P. 1
libro Riesgos financieros

libro Riesgos financieros

|Views: 1.563|Likes:

More info:

Published by: Diana Ximena Santamaria on Dec 02, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/26/2013

pdf

text

original

Sections

  • 1. IntroduccIón
  • 2. cIclo de gestIón de rIesgos fInancIeros
  • 1. Identifcación (factores)
  • 2. Medición (cuantifcación)
  • 3. Estrategias de Gestión
  • 4. Seguimiento y control
  • 4. gestIón global de rIesgo de crédIto
  • 4.1. Herramientas para la medición del Riesgo de Crédito
  • 4.2. Acontecimientos de Crédito
  • 4.3. Métodos de califcación de Riesgo de Crédito
  • 4.4. Estrategias para la Mitigación del Riesgo
  • 4.5. Sistema de Administración de Riesgo de Crédito
  • 5. gestIón global de rIesgo de mercado
  • 5.1. Riesgo de Tipos de Interés
  • 5.2. Riesgo de Movimientos de Precios de los Activos
  • 5.3. Pruebas de Stress
  • 5.4. Sistema de Administración de Riesgo de Mercado
  • 5.5. Gestión de Riesgos de Mercado
  • 6. gestIón global de rIesgo de lIquIdez
  • 6.1. Medición y Monitoreo del Riesgo de Liquidez
  • 6.2. Administración del Riesgo de Liquidez
  • 7. gestIón global del rIesgo operacIonal
  • 7.1. Factores y Categorías de los Riesgos Operacionales
  • 7.2. Medición del Riesgo Operacional
  • 7.3. Sistemas de Gestión del Riesgo Operacional
  • 7.4. Mitigación de Riesgo Operacional
  • 7.5. Sistema de Administración de Riesgo Operativo (SARO)
  • biblioGrafía
  • Risk management in the commodities market
  • 2.1 Precio de las Materias Primas y la Política Económica
  • y Racionales
  • 2.3 Rendimiento y Volatilidad
  • 2.5. Comparación entre las Metodologías EWMA
  • 2.6. Metodología para el Cálculo del Valor en Riesgo (VaR)
  • 3.1. Metodología
  • 4. cálculo del Valor en rIesgo (Var)
  • 4.1. Cálculo del VaR para Activos Individuales
  • 4.2. Cálculo del VaR para un Portafolio
  • 6. conclusIones y recomendacIones
  • 1.1 Problema a Estudiar
  • 1.2. Importancia de la Investigación
  • 1.3. Hipótesis y Resultados Esperados
  • 1.4. Metodología
  • 2. fundamentacIón teórIca
  • 2.1. Riesgo e Incertidumbre
  • 2.2. Riesgo de Crédito
  • 2.3. Riesgo de Mercado
  • El riesgo de mercado
  • 2.4. Riesgo de Liquidez
  • 2.5. Riesgo Operativo
  • 2.6. Modelos Econométricos en Medición de Riesgos
  • 3.1. Riesgo de Crédito – Modelo de Pérdida Esperada
  • 3.2. Riesgo de Mercado – Modelos de Volatilidad
  • 3.3. Riesgo de Liquidez Modelos de Cointegración
  • 3.4. Riesgo Operativo – Modelos Discretos
  • 4.conclusIones
  • 1. IntroduccIon
  • 2.1. Teoría de Mercados a Plazo
  • 2.2. Participantes del Mercado a Plazo
  • 2.3. Clasifcación del Mercado a Plazo
  • 2.4. Ventajas y Desventajas de Mercado a Plazos
  • 2.5. Teoría de Instrumentos Derivados
  • 3. descrIpcIón del mercado de arroz en colombIa
  • 3.1. Comercialización de Arroz en Colombia
  • 3.2. Organización Mercado a Plazo
  • 4.1. Estimacion de Volatilidad con Datos Historicos
  • 4.2. Valoracion de la Prima
  • 4.3. Resultados Obtenidos con el Modelo
  • 4.4. Condiciones del Mercado de Comodities en Colombia
  • 4.5. Operaciones de Reinversion
  • 4.6. Ventajas de la Implementación del Modelo
  • 5. conclusIones y recomendacIones
  • 5.1 Recomendaciones

Gestión de riesGos

financieros en el mercado
de materias primas
Bogotá, DC, 2009
Una aproximación teórico – práctica
Editor: John Jairo Roa Prieto
© Bolsa Nacional Agropecuaria - Fedearroz
ISBN: 978-958-98466-8-1
Primera edición: Noviembre de 2009
Tiraje: 1.000 ejemplares
Producción editorial:
Diagramación, impresión y encuadernación
www.produmedios.org
Diseño gráfco:
Impreso en Colombia
Printed in Colombia
ACERCA DE LOS AUTORES
John Jairo Roa Prieto (Editor) Economista, Magister en Economía
Economista Investigador de fedearroz - FNA
jjroap@gmail.com
Carolina Cardozo Carvajal Profesional en Finanzas y Relaciones Internacionales
Auditora del sector bursátil
karokardozo@gmail.com
Ana Yedith Cepeda Profesional en Finanzas y Relaciones Internacionales
Operaciones aduaneras internacionales
Ana_cepeda4@hotmail.com
Andrés Felipe Jiménez Cortés Profesional en Finanzas y Relaciones Internacionales
Gestor de operaciones aduaneras
Andresf711@gmail.com
Gisel Paola Martínez Profesional en Finanzas y Relaciones Internacionales
Investigadora para cadenas de comercialización
Paolita88_16@hotmail.com
Mariana F. Ospina Bohórquez Economista, Magister en Economía
Analista en buenas prácticas agrícolas
marianafob@yahoo.com
Lorena Prieto Cruz Economista, Magister en Economía
Investigadora de la cadena de tabaco
Prieto.lorena@hotmail.com
Guillermo Alfonso Valbuena C. Economista, Magister en Economía
Analista económico para mercado de materias primas
valbuenac@gmail.com
3
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Justificación
L
a gestión de Riesgos Financieros ha sido uno de los pilares fundamentales para el
desarrollo, consolidación e innovación dentro del sector fnanciero internacional.
Su instrumental se ha fortalecido de manera importante durante los últimos años, dado
que brinda un campo de investigación fascinante para los intelectuales a nivel mundial.
El campo de los Riesgos Financieros contempla Riesgo de Crédito, Riesgo de Mer-
cado, Riesgo Operacional y Riesgo de Liquidez. La inadecuada gestión de dichos ries-
gos, o peor aún, su desconocimiento ha llevado a que diferentes organizaciones se vean
sometidas a una quiebra o se vean afectadas de manera importante por la crisis de di-
ferentes mercados. En el sector fnanciero estas crisis con recurrentes e impredecibles.
Al igual que en el sector fnanciero, este tipo de riesgos y sus efectos sobre la eco-
nomía pueden ser asumidos de manera conciente o inconsciente por empresas del sec-
tor real. Una organización y en general un mercado pueden caer en crisis recurrentes
por el desconocimiento de los riesgos a los que se somete o por inadecuada o inexisten-
te gestión del mismo.
La producción de materias primas agrícolas a nivel internacional ha visto como el
movimiento de los mercados ha llevado a empresas e incluso países a generar excesiva
inestabilidad por movimientos en los mercados. En los países subdesarrollados dicha
inestabilidad obedece generalmente a un desconocimiento generalizado de los siste-
mas de gestión de riesgos fnancieros. En los países desarrollados las crisis de diversos
mercados por lo general afectan a las empresas de producción de materias primas.
Por lo anterior, es necesario que todos los sectores de la economía, entre los que se
encuentra el sector de producción de materias primas, conozcan los sistemas de ges-
tión de riesgos fnancieros y adapten su implementación a las condiciones propias de
cada una de las organizaciones. Esto llevará a mercados más desarrollados, sólidos e
innovadores, donde los productores de bienes y servicios se encargan de producir con el
fn de obtener rentabilidades, sin preocuparse por la volatilidad de los mercados.
Comprender el sistema de gestión de riesgos fnancieros en el mercado de materias
primas agrícolas implica:
• Generar un escrito útil para minimizar riesgos en empresas agropecuarias y
gobierno, con base en la gestión de riesgos fnancieros en el mercado de ma-
terias primas.
• Comprender elementos teóricos y conceptuales de la gestión de riesgos, abar-
cando temas de medición y desarrollo de instrumentos fnancieros para trans-
ferir riesgos.
• Comprender la forma como se genera el riesgo, la forma como se mide y las
diferentes estrategias para mitigarlo en el mercado de materias primas agrí-
colas a nivel mundial.
• Ejemplifcar la forma como una organización del sector agropecuario en Co-
lombia, con actividad de fnanciamiento a productores, identifca, mide y ges-
tiona sus riesgos.
• Proponer un instrumento fnanciero que contribuya a la mitigación del riesgo
en el mercado del arroz blanco en Colombia, defniendo las características del
IntroduccIón
4
instrumento fnanciero, el cálculo de las primas, y su modo de operación, entre
otros aspectos.
Dado que el sector arrocero es uno de los renglones más importantes en materia
agrícola y económica, para Fedearroz-FNA y la Bolsa Nacional Agropecuaria es de vital
importancia la solidez y crecimiento sostenido de la actividad económica, en ambien-
tes sanos que permitan el fortalecimiento del sector. Por ello, consideraron oportuna
y fundamental esta investigación ya que brinda un primer acercamiento a la creación
de esquemas que brinden las herramientas para adecuada gestión de los riesgos que
permanentemente generan inestabilidad para el mismo.
Las entidades son concientes de que la solidez del sector y la adecuada gestión de
riesgos a los que se enfrenta el sector son elementos necesarios para los productores,
industriales, consumidores, el gobierno y la Bolsa ya que permite el sano desarrollo del
mercado y consolida al sector como uno de los principales productores de alimentos en
Colombia.
Por ello, las entidades extienden una invitación a diversas organizaciones, universi-
dades, el gobierno y centros de investigación para que realicen aportes e investigacio-
nes en esta línea, aplicados a una diversidad de materias primas agrícolas e industriales.
contenido del libro
El libro se divide en cuatro grandes capítulos. Cada capítulo tiene una bibliografía al
fnal. Para cada capítulo los autores cambian, de modo que se evidencia una investiga-
ción conjunta, fruto de esfuerzos de intelectuales con conocimientos del sector agrícola
o interesados en él.
El primer capítulo describe la importancia de la gestión de riesgos fnancieros y res-
ponde a preguntas como ¿Qué es al gestión de riesgos fnancieros?, ¿Para qué sirve?,
¿Cómo se hace?, y describe las técnicas para gestionar riesgos en términos generales.
El segundo capítulo hace una aplicación de las técnicas de medición y gestión de ries-
gos de mercado para seis productos agrícolas y propone un esquema para mitigar los
riesgos de acuerdo con las tendencias de los mercados fnancieros internacionales. El
tercer capítulo hace una aplicación de las técnicas de medición y gestión de riesgos
fnancieros tomando como base una empresa que desarrollada actividades de fnan-
ciamiento dentro del sector agropecuario en Colombia. Finalmente, el cuarto capítulo
propone un instrumento fnanciero (Opción europea) que cumple con las condiciones
de los mercados fnancieros y a la vez brinda una solución al mercado en Colombia y
especifca en toda su instancia las condiciones para su aplicabilidad.
Es grato para nosotros hacer entrega de esta publicación al público en general.
Esperamos que este libro genere motivación entre los investigadores del sector agrí-
cola y los formuladores de política económica sectorial. Extendemos la invitación a la
academia, los gremios, los centros de investigación, el gobierno y en general a todos
aquellos interesados en aportar conocimientos al sector agropecuario para que tomen
esta investigación como el primer escalón de un arduo número de investigaciones que
propongan soluciones prácticas a los problemas del sector agrícola. Esperamos que los
lectores disfruten esta publicación tanto como nosotros disfrutamos escribiéndola y
sientan en este escrito los esfuerzos que empeñamos para obtenerla.
John Jairo Roa Prieto
5
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
contenIdo
CAPÍTULO 1. ELEmEnTOS COnCEPTUALES PARA
LA gESTión DE RiESgOS finAnCiEROS 7
1. Introducción 9
2. Ciclo de gestión de riesgos financieros 13
2.1. Identifcación (factores) 13
2.2. Medición (cuantifcación) 13
2.3. Estrategias de Gestión 15
2.4. Seguimiento y control 17
3. Estructura del sector financiero y
esquemas de regulación 17
4. gestión global de riesgo de crédito 18
4.1. Herramientas para la medición del Riesgo de Crédito 18
4.2. Acontecimientos de Crédito 25
4.3. Métodos de califcación de Riesgo de Crédito 25
4.4. Estrategias para la Mitigación del Riesgo 27
4.5. Sistema de Administración de Riesgo de Crédito 28
5. Gestión global de riesgo de mercado 29
5.1. Riesgo de Tipos de Interés 30
5.2. Riesgo de Movimientos de Precios de los Activos 33
5.3. Pruebas de Stress 36
5.4. Sistema de Administración de Riesgo de Mercado 37
5.5. Gestión de Riesgos de Mercado 37
6. Gestión global de riesgo de liquidez 39
6.1. Medición y Monitoreo del Riesgo de Liquidez 39
6.2. Administración del Riesgo de Liquidez 41
7. Gestión global del riesgo operacional 43
7.1. Factores y Categorías de los Riesgos Operacionales 44
7.2. Medición del Riesgo Operacional 45
7.3. Sistemas de Gestión del Riesgo Operacional 48
7.4. Mitigación de Riesgo Operacional 50
7.5. Sistema de Administración de Riesgo Operativo (SARO) 52

Bibliografía 53
CAPÍTULO 2. gESTión DE RiESgOS En EL mERCADO
DE LAS mATERiAS PRimAS AgRÍCOLAS
Risk management in the commodities market 55
1. Introducción 57
2. Fundamentación Teórica 58
2.1. Precio de las Materias Primas y la Política Económica 58
2.2. Teoría de la Formación de Expectativas Adaptativas
y Racionales 61
2.3. Rendimiento y Volatilidad 63
2.4. Técnicas y Metodologías para el análisis de Riesgo
de las Materias Primas 64
2.5. Comparación entre las Metodologías EWMA y GARCH 68
2.6. Metodología para el Cálculo del Valor en Riesgo (VaR) 68
3. Aplicaciones en el Mercado de las Materias
Primas Agrícolas 70
3.1. Metodología 70
3.2. Resultados de las Aplicaciones 71
6
4. Cálculo del Valor en Riesgo (VaR) 81
4.1. Cálculo del VaR para Activos Individuales 81
4.2. Cálculo del VaR para un Portafolio 82
5. Estrategias para la Gestión de Riesgos de Mercado
en los Mercados Bursátiles 84
6. Conclusiones y recomendaciones 86
Bibliografía 87
CAPÍTULO 3. AnáLiSiS DE RiESgOS En EnTiDADES finAnCiERAS
DiRigiDAS AL SECTOR AgROPECUARiO 89
1. Introducción 91
1.1 Problema a Estudiar 91
1.2. Importancia de la Investigación 91
1.3. Hipótesis y Resultados Esperados 92
1.4. Metodología 92
2. Fundamentación Teórica 92
2.1. Riesgo e Incertidumbre 93
2.2. Riesgo de Crédito 94
2.3. Riesgo de Mercado 98
2.4. Riesgo de Liquidez 100
2.5. Riesgo Operativo 102
2.6. Modelos Econométricos en Medición de Riesgos 103
3. Marco Empírico 106
3.1. Riesgo de Crédito – Modelo de Pérdida Esperada 106
3.2. Riesgo de Mercado – Modelos de Volatilidad 110
3.3. Riesgo de Liquidez. Modelos de Cointegración 112
3.4. Riesgo Operativo – Modelos Discretos 115
4. Conclusiones 117
Bibliografía 118
CAPÍTULO 4. inSTRUmEnTOS finAnCiEROS PARA EL mERCADO
DEL ARROz bLAnCO En COLOmbiA 119
1. Introduccion 121
2. Fundamentación Teórica 121
2.1. Teoría de Mercados a Plazo 121
2.2. Participantes del Mercado a Plazo 122
2.3. Clasifcación del Mercado a Plazo 123
2.4. Ventajas y Desventajas de Mercado a Plazos 123
2.5. Teoría de Instrumentos Derivados 124
2.6. Valoracion de Prima (Precio) de la Opción: Modelo
Black-Scholes-Merton 130
3. Descripción del Mercado de Arroz en Colombia 134
3.1. Comercialización de Arroz en Colombia 134
3.2. Organización Mercado a Plazo 137
4. Valoración de Opciones Europeas para el Mercado
del Arroz Blanco en Colombia 138
4.1. Estimacion de Volatilidad con Datos Historicos 142
4.2. Valoracion de la Prima 142
4.3. Resultados Obtenidos con el Modelo 143
4.4. Condiciones del Mercado de Comodities en Colombia 145
4.5. Operaciones de Reinversion 145
4.6. Ventajas de la Implementación del Modelo 146
5. Conclusiones y recomendaciones 147
5.1. Recomendaciones 148
Bibliografía 149
7
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
elementos conceptuales para
la gestIón de rIesgos fInancIeros
Ana Yedith Cepeda
Gisel Paola Martínez
John Jairo Roa Prieto
RESUMEN
E
ste capítulo, explica la gestión global del ciclo de los riesgos fnan-
cieros (Crédito, Mercado, Liquidez y Operacional) inherentes a
todas las operaciones de negocios y si bien no pueden ser eliminados
totalmente, pueden ser gestionados, mitigados y en algunos casos
asegurados, mediante la identifcación, cuantifcación, gestión y con-
trol oportuno de los mismos, con el fn de preservar la transparencia,
seguridad y confanza en los inversionistas y generar nuevas oportu-
nidades de negocio.
Sin embargo, existe una disyuntiva entre riesgo y rentabilidad, ya
que los inversionistas en algunos casos enfrentan riesgos exponién-
dose a la posibilidad de incurrir en pérdidas a cambio de obtener ma-
yores benefcios, pues, en la economía es claro que a mayor riesgo
mayor rentabilidad, lo que representa un impedimento para la efecti-
va supervisión de la Superintendencia y así mismo para la estabilidad
de la economía, debido a que en teoría las políticas resultan ser ade-
cuadas pero en la práctica resultan inefcientes.
Igualmente, el crecimiento del comercio internacional, la ne-
cesidad de los agentes económicos de manejar la volatilidad de las
variables macroeconómicas y lograr mayores oportunidades de
negocio, han permitido la implementación de algunos instrumen-
tos financieros (opciones, futuros, derivados y swaps), que permi-
ten cubrir las operaciones que se realizan dentro del sector, am-
pliando el mercado y contribuyendo a la estabilidad y crecimiento
del Sistema Financiero.
capÍtulo 1.
8
ABSTRACT
This chapter explains the overall cycle of the fnancial risks man-
agement (credit, market, liquidity and operational) inherent in
all business operations, which although can not be eliminated
completely, can be managed, mitigated and in some cases poli-
cyholders through the identifcation, quantifcation, manage-
ment and timely control of them, in order to preserve the trans-
parency, certainty and confdence in investors and generate new
business opportunities.
However, there is a tradeoff between risk and reward, where
risks are evident giving rise to the possibility of incurring losses
in exchange for higher profts, then, the economy is clear that the
higher risk higher return, which represents an impediment to
effective Superintendent supervision and likewise for the econ-
omy stability, because in theory policies turn out to be appropri-
ate but in practice ineffcient.
Likewise, the chapter makes clear the international trade
growth and the economics agents necessity to manage the mac-
roeconomic variables volatility and achieve greater business
opportunities, enabling the certain fnancial instruments imple-
mentation (options, futures, derivatives and swaps), giving the
cover operations that are performed within the sector, expand-
ing the market and contributing to the fnancial system growth
and stability.
PALABRAS CLAVE: Estabilidad fnanciera, ciclo de gestión
de riegos, instrumentos fnancieros, comité de Basilea de super-
visión bancaria, crisis fnancieras,

KEY WORDS: Regulation of banking and stock market, fnan-
cial stability, risk management, fnancial innovations, the Basel
committee on banking supervision, fnancial crisis.
CLASIFICACIÓN JEL: G18, G28, G38, N20.
9
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
1. IntroduccIón
Desde de los años noventa, el Sistema Financiero ha presenciado diferentes crisis que
han generado inestabilidad en las economías del mundo, debido a falencias existen-
tes en la regulación, en las políticas establecidas por las entidades fnancieras y por los
cambios adversos resultantes de las operaciones realizadas en el mercado.
En este contexto, se ha hecho evidente la intervención de diferentes entes regula-
dores que contribuyen a la creación de sistemas, políticas y estrategias que permiten
una mayor gestión de los riesgos sistémicos y de esta manera reduzcan las pérdidas
ocasionadas por los movimientos adversos de los mercados fnancieros. Dichos entes,
establecen instrumentos de control de riesgo, con el propósito de lograr un sistema
fnanciero seguro y estable, que genere confanza en los agentes que intervienen en el
mercado, haciendo más efciente el uso de los recursos.
El Comité de Basilea de 1997, fue el primer ente creado con la fnalidad de admi-
nistrar de manera efectiva los riesgos a los que se enfrentan las entidades fnancieras,
a través de 25 principios encaminados al mejoramiento en materia de regulación y su-
pervisión del sector, los que a su vez buscan proteger a los inversionistas y asegurar que
los mercados sean efcientes, transparentes y competitivos. Sin embargo, los principios
establecidos por el comité no fueron sufcientes para lograr el control adecuado del
riesgo, pues el enfoque dado estaba dirigido solo a la regulación del sector bancario,
dejando de lado las posibles adversidades presentes en los demás sectores que confor-
man el Sistema Financiero (bursátil y de seguros).
En Colombia, la Superintendencia Financiera es quien cumple la función de regular
y supervisar el Sistema fnanciero, sus políticas están basadas en el efcaz y efciente
control de los principales riesgos (crédito, mercado, liquidez y operativo) a los cuales se
exponen las entidades que vigila. La Superintendencia nace con la necesidad de gene-
rar un equilibrio para la disyuntiva existente entre el riesgo y la rentabilidad, y de este
modo garantizar la continuidad del funcionamiento del mercado fnanciero. En la grá-
fca 1, se puede observar la relación directa que existe entre el riesgo y la rentabilidad,
pues, a mayor riesgo mayor va a ser la rentabilidad esperada.
Por lo anterior, los agentes que operan en los mercados fnancieros por medio de
inversiones o cualquier tipo de operación buscan principalmente generar rentabilidad,
obtener liquidez y así mismo seguridad. Pero, la dicotomía entre maximizar la rentabili-
dad o minimizar el riesgo de cualquier tipo de inversión está siempre presente.
Los Sistemas de Gestión de Riesgos permiten la mayor rentabilidad posible (una
porción proveniente de rentabilidad libre de riesgo y otra porción obtenida por medio
de esquemas de minimización de riesgos), logrando profundizar el mercado y así mis-
mo proteger a los inversionistas, lo que contribuye a la aplicación efectiva de controles
que minimizan el riesgo, generando confanza en los inversionistas y transparencia en
el mercado y permitiendo la creación de nuevos negocios (desarrollo de innovaciones
fnancieras), que buscan blindar la economía de inestabilidad o fuctuación de los mer-
cados nacionales o internacionales, evitando por tanto el colapso del Sistema Financie-
ro en el país.
Durante las últimas décadas, las crisis fnancieras han ocasionado malestares en el
sistema fnanciero nacional e internacional, generando graves consecuencias en la ma-
10
yoría de las economías del mundo. Las principales causas por las que se han presentado
las crisis más relevantes, no solo en países emergentes sino también en las grandes
potencias son:
• Volatilidad del precio de los activos y otras variables fnancieras.
• Recesión económica.
• Política monetaria restrictiva.
• Presiones infacionarias.
• Pérdida del poder adquisitivo
• Falta de liquidez.
• Considerable Incremento de los márgenes de intermediación.
• Sobreendeudamiento de empresas con la banca comercial.
• Incremento de la deuda externa pública y privada.
• Falencias existentes en la regulación y en las políticas establecidas por las en-
tidades fnancieras.
• Cambios adversos resultantes de las operaciones realizadas en el mercado.
La ausencia de una adecuada arquitectura del sistema bancario internacional y las
severas fuctuaciones de los tipos de cambio de algunos países, han sido algunos de los
acontecimientos que más impacto han tenido en la inestabilidad del Sistema Finan-
ciero, lo que esta generalmente ligado a los procesos de desregulación y liberalización
de los mercados nacionales (en busca de mayor competitividad), exceso de confanza,
altos niveles de apalancamiento y especulación, presencia de competitividad entre los
mercados locales y el afán de hacer parte de un sistema fnanciero global. Ejemplo de
dichos factores de inestabilidad se encuentran a los largo de la historia de las crisis en
las que se han sumergido un número importante de economías.
Grafica 1. Relación directa entre el Riesgo y la Rentabilidad
F
u
e
n
t
e
:

C
o
n
s
t
r
u
c
c
i
ó
n

p
r
o
p
i
a
.
11
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Por ejemplo, al inicio del decenio de los noventa, en Japón, el sector fnanciero
(bancario y bursátil) e inmobiliario se vio fuertemente afectado por el desplome de los
precios de los activos fnancieros e inmobiliarios, provocando un efecto riqueza (exceso
de liquidez) y altos márgenes de rentabilidad que generaron entrada de capitales. Sin
embargo, debido a presiones infacionarias el Banco Central de Japón decidió subir la
tasa de interés bancaria, lo que produjo un fuerte descenso del precio de las acciones y
la caída de los precios inmuebles, provocando una reducción del consumo, quiebra de
diversas entidades fnancieras y aumento de las difcultades de crédito, lo que paralizó
la economía. A su vez, se presentó una crisis bancaria generada por la internacionali-
zación de los bancos y por la fuerte dependencia del sector fnanciero de empresas de
construcción e inmobiliarias, lo cual explica el hundimiento de la banca japonesa, tras la
depreciación de los bienes inmuebles.
El lector observará que los factores generadores de la crisis japonesa hicieron evi-
dente la presencia de diferentes riesgos en su economía; revalorización de activos f-
nancieros e inmobiliarios y elevado superávit comercial (riesgo de mercado), excesivo
otorgamiento de créditos seguido por elevadas tasas de morosidad (riesgo de crédito),
reducción de operaciones bancarias con el exterior provocando iliquidez (riesgo de li-
quidez) y ausencia de regulación fnanciera. La gestación conjunta de todos los riesgos
fnancieros, lleva al riesgo sistémico que provoca las crisis económicas y fnancieras de
las económicas.
En Asía la crisis fnanciera comenzó en Tailandia con el colapso del Bath tailandés
por la decisión del Gobierno de dejarlo fuctuar en 1.997. La mayoría de países vieron
el desplome de sus monedas y la devaluación del mercado bursátil y otros activos. De
acuerdo con Vilariño Sanz, la volatilidad de las divisas genero reducción del crecimiento
económico, aumento del desempleo, quiebra de bancos y cierre de empresas, provo-
cando salidas de capital (falta de motivación por parte de inversores) y especulación
en el mercado. Los Gobiernos para prevenir el colapso de los valores monetarios, in-
crementaron las tasas de interés domesticas e intervinieron en el mercado cambiario
comprando con reservas internacionales todo exceso de moneda doméstica a un tipo
de cambio fjo, lo cual genero que los Bancos Centrales redujeran drásticamente las
reservas, y que se dieran más bancarrotas y se profundizara la crisis.
Esta crisis tuvo también repercusiones adversas en la economía rusa (moratoria
rusa), debido a la inadecuada ingeniería de su sistema bancario y bursátil a la regulación
internacional, pues, contaba con normas débiles, problemas de información y una ex-
posición concentrada de portafolios de los bancos con las empresas industriales, gene-
rando inestabilidad y atraso de los pagos de las obligaciones fnancieras y provocando
la necesidad de implementar normas de regulación más sólidas que le proporcionaran
la capacidad a los mercados fnancieros de funcionar efcientemente.
Un caso similar, ocurrió en Latinoamérica, principalmente debido al aumento de
los tipos de interés, las caídas bursátiles, las tensiones infacionarias y crisis bancarias,
que frenaron la actividad económica de países como México y Argentina que tuvieron
fuertes presiones sobre sus divisas e inestabilidad en su sistema fnanciero.
En México en 1994, la crisis se dio por la dependencia en gran medida de los fujos
de capital extranjero, lo que provoco la incapacidad de mantener la liquidez interna,
además del alza de las tasas de interés que inhibió la inversión productiva e incentivó la
inversión especulativa. Así mismo, las autoridades ampliaron las reservas en un 15% ge-
nerando que la demanda de dólares fuera mayor a la oferta e imposibilitando equilibrar
12
el mercado con las reservas lo que desencadeno una crisis cambiaria y la devaluación
de la moneda.
El efecto transmisión que se produjo con la crisis mexicana, se evidencio fuertemente
en la economía Argentina, dada principalmente por la incompatibilidad entre el régimen
cambiario y la política fscal, donde se tomaron medidas de estabilización basadas en el
tipo de cambio fjo “ley de convertibilidad”, lo que aumento la entrada de capital extran-
jero, incrementando la demanda internacional de pesos argentinos y una apreciación en
términos reales de la moneda, generando acumulación de la deuda externa.
En términos globales, todas las crisis han demandado fuertemente la intervención
de Organizaciones multilaterales. Este es el caso del Fondo Monetario Internacional y
el Banco Mundial, lideres en asuntos fnancieros, que contribuyen a salvaguardar los
aciertos existentes en la regulación del sistema fnanciero y, crear y promocionar polí-
ticas de supervisión encaminadas al mejoramiento y fortalecimiento de los mercados
internacionales con un mayor control del capital y liquidez en los establecimientos ban-
carios para reducir las falencias del sistema.
Así mismo, con el fn de recuperar la confanza y estabilidad del sistema fnancie-
ro internacional después de las difíciles circunstancias vividas durante los periodos de
crisis, se creó el Comité de Supervisión Bancaria de Basilea con la función principal de
crear principios sobre regulación y supervisión del sistema bancario internacional y con
la particular intención de identifcar, medir y gestionar el riesgo sistémico.
A pesar de que el Comité no tiene autoridad vinculante, establece estándares y reglas
de supervisión que permiten a la autoridad correspondiente en cada país la ejecución de
mejores prácticas en la supervisión tomando medidas que se adapten al sistema nacio-
nal. Su objetivo principal se centra en la necesidad de crear herramientas de medición y
prevención de riesgos, dando lugar al establecimiento de las normas de capital adecuado
conocido como Basilea I. Es así como el Comité ha desarrollado nuevas reglas que preten-
den profundizar la seguridad y solidez del sistema fnanciero, la equidad competitiva y la
mayor gestión del riesgos, teniendo en cuenta el capital adecuado para su cubrimiento.
Por esta razón, el Comité considera que la aplicación de sus principios por todos
los países supondría un avance considerable para la mejora de la estabilidad fnanciera
nacional e internacional y a su vez, sentaría las bases para el desarrollo de mejores siste-
mas de supervisión. Sin embargo, estos principios no suponen que su aplicación elimine
toda posibilidad de crisis fnancieras pero han ayudado a que las consecuencias de éstas
sean menos severas, pues, antes de la existencia de ésta regulación el sector fnanciero
carecía de normas de supervisión adecuadas.
No cabe duda que los principios del Comité de Basilea han sido promotores de me-
jores prácticas en la banca, que han contribuido a la administración de riesgos de las
entidades y del fortalecimiento del sector bancario frente a situaciones adversas pre-
sentadas por variaciones en la economía mediante objetivos dirigidos a mitigar la posi-
bilidad de crisis masivas, como las que sucedieron por exceso de riesgo y desequilibrios
macroeconómicos.
Por otra parte, es importante que se reforzara la suprema coordinación entre los
distintos mercados que conforman el sistema fnanciero (banca, mercado de valores
y seguros), de manera que no se generaran efectos adversos que perjudiquen su buen
funcionamiento, pues, es claro que la solidez de un sistema bancario es resultado de
políticas macroeconómicas y estructurales que permiten una estrecha correlación con
el sistema fnanciero.
13
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Es así como algunos de los procesos de regulación fnanciera no han sido exitosos,
a causa de la falta de visión global en el momento de establecer una política económica
que permita la liberalización del sector fnanciero, sin dejar a un lado el funcionamien-
to del sistema bancario. Es decir, tomar la regulación del sistema fnanciero separado
del sector bancario (el Comité de Basilea ha modifcado sus principios básicos para una
supervisión bancaria efectiva, sin incluir otros mercados fnancieros), limitando el con-
cepto de sistema fnanciero tan solo a sector bancario, y dejando de lado la posibilidad
de que se generen crisis a través de otras vías.
Para fnalizar, mientras el sistema fnanciero afronta crisis diferentes a las gene-
radas por falencias en el sector bancario, los principios surgidos de Basilea siguen di-
rigidos a la banca comercial, por lo cual, se hace necesario que el sector funcione con
estándares de gestión y use herramientas orientadas al fortalecimiento y estabilidad
del sistema fnanciero en general.
2. cIclo de gestIón
de rIesgos fInancIeros
La creciente complejidad de los mercados y la mayor diversifcación de los productos y
servicios fnancieros resultado de las innovaciones de los mismos, ha llevado al sector f-
nanciero internacional a concientizarse sobre la relevancia de profundizar en la gestión
de los riesgos que puedan afectar sus operaciones. Como se puede apreciar en el cuadro
1, el ciclo de gestión de riesgos se puede sintetizar en cuatro grandes aspectos básicos:
• Identifcación de factores generadores de riesgos.
• Medición o cuantifcación del Riesgo y su impacto.
• Estrategias para la Gestión del Riesgo (Minimizar su efecto).
• Seguimiento y control de las estrategias diseñadas.
1. Identifcación (factores)
En esta etapa se pretende conocer cuál es el factor generador del riesgo. Es decir, las
variables que afectan el desempeño de las operaciones o actividades realizadas en las en-
tidades del sistema fnanciero. Esta etapa implica el conocimiento de las principales fuen-
tes de mercado, macroeconómicas, de la regulación o de otros sectores (ej. Inmobiliario)
que someten a las entidades del sector fnanciero a riesgos con potencial de perdidas.
2. Medición (cuantifcación)
En esta etapa es fundamental utilizar un denso instrumental del análisis contable, f-
nanciero, económico, matemático, estadístico y/o econométrico. El objetivo de em-
plear dicho instrumental es la medición puntual de las probabilidades de ocurrencia de
eventos que sometan a riesgos a las entidades, y lograr hacer un estimativo de los posi-
bles impactos de dichos eventos.
14
Cuadro 1. Etapas de Gestión de Riesgos Financieros
RiESgO CRÉDiTO mERCADO LiQUiDEz OPERACiOnAL
D
E
f
i
n
i
C
i
ó
n
Posibilidad de incurrir en
pérdidas por el no pago
de obligaciones.
Posibilidad de incurrir
en pérdidas por
movimientos adversos
en variables del
mercado.
Posibilidad de incurrir
en pérdidas por la
difcultad de mantener
un volumen de inversión
adecuado.
Posibilidad de
incurrir en pérdidas
por procesos
inadecuados interna
y externamente.
i
D
E
n
T
i
f
i
C
A
C
i
ó
n
Incumplimiento
de obligaciones
Financieras.

Modelos con
variables Financieras
socio demográfcas y
económicas.
Precios activos.
Volatilidad tipos de
cambio.
Movimientos de las
tasas de interés.
Falta de recursos
líquidos (empresas).
Excesivo
otorgamiento de
créditos.
Factores internos.
Factores externos.
m
E
D
i
C
i
ó
n

Matriz de califcación.
Matriz de transición.
Pérdida esperada.
Matriz de
rodamiento.
VAR.
Duración.
Convexidad.
VAR.
Matriz de califcación.
VAR.
Matriz de riesgos:
Impacto-Frecuencia.
E
S
T
R
A
T
E
g
i
A
S

Generar provisiones.
Reestructuración de
deuda.
Asegurarse.
Inmunizar
portafolios.
Minimizar VAR.
Cubrirse en riesgo.
(Instrumentos
Financieros)
Asegurarse.
Minimizar fondos
riesgosos.
Asegurarse.
Capacitación al
personal.
Asegurarse.
S
E
g
U
i
m
i
E
n
T
O

Y


C
O
n
T
R
O
L
Revisión permanente
de las califcaciones
de los deudores
Seguimientos de
estado de la cartera
Valoración
permanente de
portafolios de
inversión
Revisión permanente
de indicadores de
liquidez
Revisión permanente
de indicadores de
gestión:
Efciencia
Efcacia
Impacto
Fuente: Construcción propia.
15
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
3. Estrategias de Gestión
Es necesario aclarar que gestionar riesgo no implica, bajo ninguna circunstancia, la
eliminación del mismo. En realidad, de acuerdo con el papel que juegue cada entidad
dentro del sistema fnanciero y el perfl de riesgos de las organizaciones, el riesgo se
transfere a otros agentes del mercado por medio de instrumentos fnancieros o algu-
nas entidades del sistema fnanciero lo asumen como unidad de negocio. En la mayoría
de los casos, las organizaciones interesadas en transferir el riesgo no lo pueden hacer
en su totalidad, por lo que toman posiciones intermedias al minimizar el riesgo o evitar-
lo. Otras organizaciones no pueden o no deben asumir el riesgo en su totalidad, por lo
que tratan de asumir solo aquel que tiene menor probabilidad de ocurrencia o genera el
menor impacto en la rentabilidad de su unidad de negocio.
3.1. Transferencia del riesgo mediante seguros
El sector asegurador, ha tomado gran importancia en su papel de mitigación de los dife-
rentes riesgos presentes en las actividades realizadas en los sectores que conforman el
sistema fnanciero (sector bancario y bursátil), riesgos que cada vez se convierten en un
factor clave y estratégico para el desarrollo y crecimiento de las entidades.
Se reconocen los seguros como mecanismo de mitigación de riesgo, pues, és-
tos permiten transferir el riesgo a un tercero (el asegurador) y mitigar la pérdida
financiera, en lugar de gestionar internamente la incertidumbre existente. General-
mente, los riesgos que se aseguran se asocian a activos físicos, intangibles, perso-
nales o tecnológicos.
Sin embargo, no todos los riesgos son asegurables y la decisión de contratar un
seguro depende, en defnitiva, del valor añadido que éstos supongan para el asegurado.
La contratación de un seguro puede generar valor añadido para los accionistas a través
de la estabilidad de los fujos de caja, la prevención de catástrofes fnancieras, una ma-
yor supervisión y control, así como el logro de una gestión del riesgo a menor coste.
La entidad optará por contratar o adquirir un seguro para fnanciar sus pérdidas
operacionales, cuando su coste, es decir, la prima, sea inferior al uso de recursos propios
con la misma fnalidad, donde el seguro es, en este caso, un sustituto del capital y su
aplicación se centra en los riesgos poco probables y de gran impacto.
Igualmente, los riesgos de baja severidad y los de alta probabilidad por lo general
no se aseguran, debido al alto coste fjo que supone la suscripción de pólizas y por los al-
tos costes administrativos. Por lo anterior, lo habitual ha sido la contratación de seguros
específcos o con una única cobertura, sin embargo, esto lleva a algunos inconvenien-
tes, tales como la existencia de superposiciones entre distintos seguros individuales,
retrasos en el pago de las liquidaciones al asegurado, entre otros.
El auge de nuevas soluciones a este tipo de riesgos, se logra por medio de nuevos
productos que combinan coberturas simultaneas, fjación de adelantos de caja y las ti-
tularizaciones.
3.2 Transferencia del riesgo mediante Instrumentos Financieros
Las Innovaciones Financieras (opciones, futuros, derivados y swaps), son instrumentos
que se han implementado en el sector fnanciero, con el fn de ampliar el mercado e
16
incrementar su liquidez a través de una mayor disponibilidad de recursos para los pres-
tatarios y oportunidades para los inversionistas. Igualmente, estos instrumentos son
utilizados para manejar el riesgo fnanciero, pues, hacen más completos los mercados
al generar mayores oportunidades para los agentes y permitirles transferir el riesgo a
otros inversionistas.
El surgimiento de las innovaciones fnancieras, se debe a diferentes factores que
han generado la necesidad de crear instrumentos que ayuden a mitigar el riesgo sisté-
mico y contribuyan a la creación de mayores oportunidades dentro del mercado tanto
para inversionistas como para prestatarios. Dentro de los principales factores que han
permitido la creación de estas innovaciones fnancieras se encuentran los siguientes:
• La volatilidad en los tipos de interés, en los precios de las acciones, en los tipos
de cambio y en la infación.
• El crecimiento de los mercados fnancieros internacionales, pues, unido a un
proceso de liberalización hace necesario la implementación de nuevos servi-
cios fnancieros y préstamos internacionales.
• La desregulación de los mercados nacionales con respecto a las transacciones
fnancieras internacionales, generadoras de una mayor circulación de capital
entre los países.
• La creciente competencia entre intermediarios fnancieros y los avances tec-
nológicos, hacen necesario el desarrollo y la incursión de nuevos activos y ser-
vicios fnancieros en el mercado.
En Colombia, se pueden identifcar diferentes instrumentos innovadores en la ad-
ministración de riesgos, tales como: los Forward, los Swaps, los Futuros y Derivados.
Los forward, son contratos celebrados entre dos partes, de compra o venta de un
activo subyacente, en los cuales se pactan un precio determinado y una fecha futura de
ejecución. Este tipo de derivados se caracterizan principalmente porque ofrecen cober-
tura del riesgo, si existe la probabilidad de incurrir en pérdidas debido a la volatilidad de
precios durante el tiempo que transcurre la operación.
Así mismo, estos derivados son utilizados como instrumentos especulativos, en la
medida en que el comprador o vendedor pueden anticiparse a los movimientos de los
precios futuros o como arbitraje contra otros mercados donde se presenten oportuni-
dades de obtener mayor benefcio.
Las Opciones, son instrumentos de cobertura, en los cuales dentro del contrato se
confere al tenedor el derecho, más no la obligación, de llevar a cabo una transacción en
fecha futura a un precio predeterminado. Las opciones se clasifcan en opciones put (de
venta) o call (de compra); una put da al tenedor el derecho de vender el activo subya-
cente a un precio especifcado, y un call le da derecho de comprar el activo.
Este tipo de derivados, tienen como ventaja la posibilidad de que el poseedor de la
opción, ya sea de compra o de venta, elija tres alternativas al momento de adquirir la
opción, esto es: 1. ejercer el derecho, comprando o vendiendo los títulos que la opción
le permite, 2. dejar pasar la fecha de vencimiento sin ejercer la opción o 3. venderla
antes de su vencimiento en el mercado secundario
1
de opciones.
1 Mercado Secundario. Es aquel donde los instrumentos fnancieros o títulos valores que se han colocado en el
mercado primario, son objeto de negociación. El mercado secundario le da liquidez a los valores existentes.
17
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Los Futuros, son contratos a plazo estandarizados que obligan a las partes a com-
prar o vender un activo subyacente en una fecha futura y a un precio preestablecido.
Estos derivados suelen ser utilizados comúnmente para dos propósitos principales:
• Operaciones de cobertura, en los cuales, la persona poseedora del activo
subyacente con la operación desea asegurar un precio fjo para la operación
futura.
• Operaciones especulativas, en los cuales, la persona que contrata el futuro
solo busca especular con el comportamiento de precios desde la fecha pacta-
da hasta su vencimiento.
4. Seguimiento y control
En esta etapa los gestores del riesgo evalúan permanentemente la efectividad de las
estrategias para mitigar el riesgo, pues, el principal objetivo de la administración de
riesgo es garantizar que la institución no sufra pérdidas económicas inaceptables y me-
jorar el desempeño fnanciero de la entidad ajustando la exposición al riesgo y generan-
do nuevas oportunidades de negocio.
Típicamente, en la etapa de seguimiento, evaluación de las estrategias y control de
los factores generadores riesgo, se emplean indicadores de medición que permitan a
los gestores del riesgo tomar decisiones de inversión, cobertura o sencillamente recon-
fgurar sus portafolios o unidades estratégicas de negocio.
3. estructura del sector fInancIero
y esquemas de regulacIón
En Colombia, el Sistema Financiero esta compuesto por diferentes sectores que pres-
tan servicios fnancieros especializados de acuerdo a su naturaleza: bancario, bursátil y
asegurador.
Dentro de las instituciones financieras, se encuentran los establecimientos de
crédito, que están conformados por las instituciones bancarias, corporaciones fnan-
cieras, compañías de fnanciamiento comercial y las cooperativas fnancieras. A su vez,
se encuentran las sociedades de servicio fnanciero que se dividen en sociedades fdu-
ciarias, almacenes generales de depósito y sociedades administradoras de fondos de
pensiones y cesantías y por último están las sociedades de capitalización. Estas institu-
ciones en su conjunto realizan actividades de intermediación fnanciera, por medio de
la captación y colocación de recursos del público, con el fn de fnanciar la producción
y el consumo mediante los depósitos a la vista o a término que son canalizados en el
sector bancario.
Por otra parte, el sector bursátil esta dividido en sistemas transaccionales y ope-
raciones especiales. Los sistemas transaccionales, están conformados por el mercado
de acciones, mercado de derivados, mercado de divisas y el mercado de renta fja, que
generalmente son transacciones a largo plazo realizadas con dinero o títulos valores
18
que se negocian a través de mercados organizados como lo son bolsas y bajo condicio-
nes preestablecidas. Por otro lado, las operaciones especiales son procedimientos tales
como operaciones martillo, OPA (ofertas públicas de adquisición), democratizaciones y
operaciones de subasta, que se caracterizan por ser independientes y realizadas bajo la
supervisión de la Bolsa de Valores de Colombia, siempre y cuando se otorguen garan-
tías y se constituyan con base en los parámetros establecidos por la ley.
Finalmente, el sector asegurador está conformado por las entidades asegurado-
ras, los intermediarios de seguros y los intermediarios de reaseguros, que son institu-
ciones que tienen como objeto social asumir riesgos de terceros mediante la expedición
de pólizas de seguros.
La regulación del Sistema Financiero Colombiano esta a cargo del Gobierno Na-
cional y el Ministerio de Hacienda, por medio de la expedición de normas y regla-
mentos que permiten canalizar y desarrollar las actividades bancarias y bursátiles de
acuerdo a la normatividad, estableciendo medidas de protección para los inversio-
nistas y contribuyendo a la estabilidad del mercado por medio de dos instituciones:
la Superintendencia Financiera y el Autorregulador del Mercado de Valores (AMV),
quienes establecen reglamentos para que sean ejecutados por los agentes de merca-
do, permitiendo procesos y procedimientos transparentes que garanticen una efecti-
va gestión del riesgo. El esquema 1 realiza una descripción de la estructura del Siste-
ma Financiero en Colombia.
4. gestIón global de rIesgo de crédIto
El Riesgo de Crédito es la probabilidad de que una entidad incurra en pérdidas y dismi-
nuya el valor de sus activos, como consecuencia de que sus deudores incumplan total o
parcialmente el pago de sus obligaciones crediticias.
Este riesgo involucra el Riesgo Soberano, que se presenta cuando los países impo-
nen controles a las divisas extranjeras, imposibilitando el cumplimiento de las obliga-
ciones de la contraparte; así mismo, incluye el Riesgo de pago, que se refere a la posibi-
lidad de que una contraparte pudiese incumplir en un contrato después de que una de
las partes ha realizado el pago previamente.

4.1. Herramientas para la medición del Riesgo de Crédito
Dentro de las herramientas para la medición de riesgo se encuentran dos: Credit Me-
trics y Credit Risk.
4.1.1. Credit Metrics
Esta herramienta para la medición del riesgo desarrollada por J.P. Morgan en 1997, ha
sido uno de los modelos más utilizados para medir mejoras o deterioros de la califca-
ción de los sujetos o entidades deudoras o acreedoras. Las principales características
de la metodología son:
19
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
E
s
q
u
E
m
a

1
:

e
s
t
r
u
c
t
u
r
a

d
e
l

s
i
s
t
e
m
a

f
n
a
n
c
i
e
r
o

c
o
l
o
m
b
i
a
n
o
.
20
1. Simulación en los cambios de califcación crediticia de cada contrapartida, permi-
tiendo cuantifcar las pérdidas por riesgo de crédito tanto por cambio de califca-
ción como por incumplimiento.
2. Estimación de la distribución esperada a plazo de los cambios en el valor de una
cartera de bonos o préstamos, en un determinado horizonte temporal.
3. Los cambios en valor se relacionan con las migraciones en la calidad crediticia del
emisor o prestatario.
4. El primer paso en esta metodología es especifcar un sistema de califcación crediti-
cia, y de probabilidades de migración de una calidad crediticia a otra, en el horizon-
te de interés.
El esquema 2 permite apreciar el instrumental desarrollado por credit metrics. En
él se aprecia que los tres (3) pilares básicos para la cuantifcación del riesgo de crédito
son las exposiciones o montos expuestos, los Valores en Riesgo (VaR) de carteras cre-
diticias y fnalmente las correlaciones de los rendimientos de los precios de los activos.
La combinación de los criterios descritos en dicho esquema permite valorar el riesgo
de crédito de un portafolio de otorgamientos de crédito, bonos, papeles fnancieros
representados en acciones por ejemplo.
4.1.2. Credit Risk
Otra herramienta, distinta a la de CreditMetrics de JP Morgan, es la metodología desa-
rrollada por Credite Suisse en 1997, denominada Credit Risk. Las características de esta
herramienta son:
1. No se hace ninguna hipótesis sobre las causas de incumplimiento. Un contrato A está
en incumplimiento con probabilidad P(A) o no lo está con probabilidad 1– P(A).
EsquEma 2. Estructura de credit metrics.
Fuente: Credit Metrics - Traducción Propia.
21
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
2. La probabilidad de incumplimiento de un contrato en un determinado periodo (un
mes) es la misma para cualquier mes.
3. Para un número grande de contratos, la probabilidad de incumplimiento de uno
de ellos es pequeña y el número de incumplimientos que pueden ocurrir en un
periodo, es independiente del número de incumplimientos de cualquier otro
periodo.
4. La exposición a cada contrato se ajusta por una tasa de recuperación exógena, in-
dependiente del riesgo de mercado y crédito.
La calidad de la cartera (deterioro o mejora de la misma) puede depender de di-
versos factores como la complejidad organizativa de las corporaciones, el apalanca-
miento, la volatilidad de los mercados, los ciclos de desempleo, entre otros. Por esta
razón, la innovación en los instrumentos fnancieros para mitigar el riesgo, incluyendo
las nuevas técnicas de medición, crean nuevas oportunidades para expandir el mercado
del crédito, fortaleciendo el sistema fnanciero.
Para analizar el Riesgo de Crédito y poder establecer las pérdidas por incumpli-
miento, es necesario defnir algunos elementos que lo componen:
• Riesgo de Incumplimiento: Es la probabilidad de que se presente incumpli-
miento en el pago de un crédito.
• Riesgo de Exposición: Es el que se refere a los montos futuros en riesgo.
• Riesgo de Recuperación: Es la posibilidad de no poder predecir la recuperación
en caso de presentarse incumplimiento.
• Riesgo de crédito individual: riesgo del acreditado en función a sus caracterís-
ticas propias, estructura fnanciera, etc.
• Riesgo de crédito portafolio: incluye la correlación existente entre los acre-
ditados y su entorno, utilizando sus principales drivers macroeconómicos de
crédito y mercado.
Cuando se utilizan las técnicas de medición asociadas al Riesgo de Crédito, por lo
general lo que se busca es otorgar una califcación al crédito, es decir, estas técnicas sir-
ven como herramienta para una mejor toma de decisiones en la concesión de créditos
y en la diversifcación del portafolio.
4.1.3. Pérdida Esperada
Es la media de la distribución de pérdidas del portafolio de crédito, con lo cual se mide
la pérdida promedio que se esperaría en el siguiente período a causa de incumplimiento
o variaciones en la calidad crediticia. Para este cálculo existen modelos para la estima-
ción o cuantifcación de pérdidas esperadas, que deben ser estimadas o cuantifcadas
en cada modalidad de crédito.
Al adoptar sistemas de medición de tales pérdidas, las entidades pueden diseñar y
adoptar sus propios modelos internos de estimación respecto de la cartera comercial,
de consumo, de vivienda y de microcrédito, ya sea para uno, algunos o la totalidad de
sus portafolios ó componentes de la medición de la pérdida esperada; ó aplicar, para los
mismos efectos, los modelos de referencia diseñados por la Superintendencia Financie-
ra para diversos portafolios.
22
Para la estimación de la perdida esperada, se deben considerar los N sujetos deudo-
res que hacen parte de una cartera especifca y para cada uno de ellos estimar los montos
expuestos, las tasas de recuperación históricas y las probabilidades de incumplimiento.
La agregación de la combinación de estos factores, como se muestra en la ecuación 1,
permite obtener una medida de la perdida esperada de cierta cartera crediticia.
(1)
Donde,
CL = Pérdida Esperada del Crédito.

i
= Probabilidad de incumplimiento (Variable Aleatoria Bernoulli): Se tiene en
cuenta las características del sujeto tales como ingresos del solicitante, su
historial de crédito, avales, la coyuntura económica, entre otros; y está basa-
da en la matriz de transición.
CE
i
= Crédito Expuesto (Monto).
f
i
= Tasa de Recuperación dado el Incumplimiento, Es el porcentaje de la exposición
que se estima recuperar en caso de que el acreditado llegue al incumplimiento.
4.1.4. Valor en Riesgo de Crédito (VaR)
Esta medida, también conocida como “Perdida no Esperada” hace referencia a la máxi-
ma pérdida que puede sufrir un portafolio de préstamos como consecuencia de que
el valor de éstos disminuya debido a un deterioro en su calidad crediticia. Es de ano-
tar que, como se mencionara más adelante, el VaR es una medida que solo puede ser
aplicable a situaciones cotidianas del mercado, pues en épocas de crisis y auges de la
economía tiende a sobreestimar o subestimar las perdidas máximas.
El valor en riesgo se puede calcular mediante dos métodos:
• Métodos paramétricos. Tiene como característica el supuesto de que los ren-
dimientos del activo se distribuyen de acuerdo con una curva de densidad de
probabilidad normal.
• Método no paramétrico: Consiste en utilizar una serie histórica de precios de la
posición de riesgo (portafolio) para construir una serie de tiempo de precios
y/o rendimientos simulados o hipotéticos, con el supuesto de que se ha con-
servado el portafolio durante el periodo de tiempo de la serie histórica
2
.
Las metodologías para la estimación del VaR de crédito, en todos los casos, esti-
man la varianza de las perdidas esperadas del portafolio. Para la determinación de la
medida del Valor en Riesgo (VaR) de crédito, es necesario determinar a priori el nivel
de confanza con el que se desea hacer las estimaciones, y el horizonte temporal. Un
supuesto fuerte sobre el que descansa la medida en VaR en la mayoría de métodos de
estimación hace referencia a la distribución normal de la variable de pérdida esperada.
2 Phillipe Jorion, Nuevo paradigma para el control de riesgos con derivados, valor en riesgo.



















dZ =dt+bz
23
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Por este motivo, la perdida potencial puede distribuirse como se muestra en la grafca
2. En ella se puede apreciar la perdida esperada (media) y la distribución de la perdida
inesperada (VaR), y el nivel de confanza con el que se hacen las estimaciones.
GráfiCo 2. Distribución de Perdidas. Esperadas y no esperadas
Esta distribución presenta una forma sesgada hacia la derecha debido a la existen-
cia de una gran cantidad de pérdidas de menor tamaño o valor y sólo unas pocas de
tamaño considerable.
El lector pensara que un ejemplo será más fácil de entender. Si la probabilidad de
incumplimiento de una contraparte, con califcación bbb de s&p, es de 0,18%, la tasa
de recuperación de la contraparte es de 51,13% y la exposición de riesgo de crédito es
de 100 millones de pesos, la pérdida esperada por riesgo de crédito será $87,97. De acu-
erdo con la ecuación 1, es posible combinar dichos factores para el cálculo de la perdida
esperada. La ecuación 2 muestra el cálculo.
(2)
Entonces estos $87,966 indican el nivel de provisiones iniciales que la institución
debería tener en relación al incumplimiento de cartera en este crédito.
Para calcular la pérdida no esperada se puede asumir que dado que la operación
puede caer en incumplimiento o no (solamente dos posibilidades), la distribución de
probabilidad puede asumirse como un procedimiento bernoulli. En este caso, la vari-
able Xi es una variable discreta de categoriza a los clientes cumplidos y los incumplidos,
como se muestra en la ecuación 3.
(3)
Fuente: Ernst & Young - Traducción propia






































24
La función de densidad de la variable Xi está dada por la ecuación 4.

(4)
Tal distribución tiene como primer momento la media y segundo momento, la des-
viación estándar. Considerando que las tasas de recuperación son constantes, la pér-
dida no esperada estaría determinada por la ecuación 5.
(5)
Teniendo en cuenta el mismo ejemplo para el cálculo de la pérdida esperada, la
perdida no esperada estaría determinada por la ecuación (6), que muestra el capital
mínimo de $2´071.511 que debe mantener la institución para garantizar la continuidad
del negocio.
(6)
Por otro lado, la perdida no esperada cuando se considera la tasa de recuperación y
se calcula la varianza de las perdidas en cada uno de los escenarios de crédito, es posible
obtenerla de la ecuación (7).
(7)



Al igual que antes, CL, ρ
i
, CE y f se defnen como en la ecuación 1.
Metodología para el cálculo del VaR
1. El cálculo del VAR debe basarse en un conjunto de entradas de datos uniformes:
a. Un horizonte de operación (días, semanas, meses o años preferiblemente).
b. Un intervalo de confanza de 95, 99 ó 99,9% preferiblemente.
c. Un periodo de observación basada en, al menos, un año de datos históricos y
actualizados al menos una vez por trimestre.
2. Las correlaciones pueden establecerse en categorías generales (tales como instru-
mentos de deudas), así como en toda clase de categorías y para instrumentos de
deuda y divisas.
3. El cargo de capital deberá ser fijado en relación al nivel más alto del VAR del día
previo, o en relación al VAR promedio de los últimos 60 días hábiles multiplica-
do por un factor “multiplicativo”, que es determinado por los reguladores loca-
les, con lo que se pretende proporcionar protección adicional contra entornos
menos estables.












































































25
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
4.2. Acontecimientos de Crédito
Un acontecimiento de crédito es un estado diferenciado que puede o no suceder. El
problema es, ¿cómo defnir este acontecimiento y que marco legal aplicarle?. De acuer-
do con Standard & Poor’s, una agencia de crédito es la primera instancia del pago de
cualquier obligación de crédito, ya sea que ésta esté califcada o no, diferente a la obli-
gación fnanciera sujeta a la buena fe de la disputa comercial.
Algunos de los acontecimientos de crédito que se pueden presentar son:
• Bancarrota: es una situación que incluye: (1) La disolución del deudor;
(2) La inhabilidad o falta de solvencia para el pago de la deuda; (3) La
autorización para la realización de los pagos en el contrato; (4) El proce-
dimiento de la institución que se encuentra en bancarrota; (5) La cesación
de pagos; y, (6) La adscripción temporal de todos los activos a una tercera
parte.
• Incumplimiento de pago: signifca el posible no pago por parte del deudor,
usualmente establecido después de un período de gracia y de un monto de-
terminado.
• Obligación/incumplimiento cruzado: signifca que el no pago se puede dar en
cualquier obligación similar (swaps) por cualquiera de las partes.
• Obligación/aceleración cruzada: signifca que el acontecimiento de no pago en
cualquier obligación similar, se vuelve una deuda inmediatamente.
• Rechazo/moratoria: signifca que la contraparte esta rechazando o desafando
la validez de la obligación.
• Reestructuración: es una reprogramación de la obligación con efectos y térmi-
nos poco favorables generalmente.
4.3. Métodos de califcación de Riesgo de Crédito
4.3.1. Credit Ratings
3
La califcación crediticia ha sido defnida como una opinión que las entidades de crédito
utilizan para determinar si se trata o no de dar un préstamo o línea de crédito a un in-
dividuo o a un país. El esquema 3 permite observar la clasifcación de las califcaciones
para evaluar los créditos:
Las califcaciones están divididas en:
• grado de inversión: que son todas aquellas que se encuentran por encima de
BBB para Standard & Poor’s y de Baa para Moody’s.
• grado Especulativo: que son el resto de califcaciones que usualmente son
usadas para defnir clases de inversión permitidas para algunos inversionistas,
como por ejemplo fondos de pensión.
3 Phillipe Jorion, Financial Risk Manager Handbook Second Edition.
26
EsquEma 3. Rating o califcación de Crédito.
TIPO GRADO
STANDARD
& POOR´S
MOODY´S
SERVICES
GRADO
INVERSIÓN
Grado más alto AAA Aaa
Grado alto AA Aa
Grado medio alto A A
Grado medio BBB Baa
GRADO
ESPECULACIÓN
Grado medio bajo BB Ba
Especulativo B B
Pobre CCC Caa
Altamente especulativo CC Ca
Baja calidad C C
En Incumplimiento D
Fuente: Phillipe Jorion, Financial Risk Manager Handbook Second Edition - Traducción propia
La función de las clasifcaciones de riesgo es la de determinar la viabilidad, opor-
tunidad y sobre todo la seguridad de emprender algún tipo de negocio o contrato, en
el caso de los países tiene que ver con la capacidad de los países con cumplir con sus
obligaciones.
4.3.2. Matriz de Transición y cadenas de Markov
Permite estimar la probabilidad de pasar de un estado inicial (i) en el cual se encontraba
la deuda del individuo en un cierto periodo de tiempo t, a un estado fnal (j) en el perio-
do siguiente t+1. Se calcula a partir de la migración de los acreditados a distintos niveles
de califcación de riesgo, mostrando la probabilidad de que un crédito con determinada
califcación pase a otro rating. La tabla 1 muestra un ejemplo:
Tabla 1. Matriz de Transición de estados. Un periodo.
ESTADO FINAL
TOTAL
PROBABILIDAD
ESTADO
INICIAL
A B C D
A 0,97 0,03 0,00 0,00 1,00
B 0,02 0,93 0,02 0,03 1,00
C 0,01 0,12 0,64 0,23 1,00
D 0,00 0,00 0,00 1,00 1,00
Fuente: Construcción propia
La matriz muestra por ejemplo que la probabilidad de iniciar con una califcación B
y pasar a califcación C, después de un periodo es del 2%, mientras que la probabilidad
de que un sujeto inicie con califcación C y después de un periodo tenga califcación B,
es del 12%. Para todos los casos, la suma de las flas debe ser igual a la unidad ya que
se trata de probabilidades, pero la suma de las columnas no necesariamente tiene que
ser igual a la unidad.
27
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Por otro lado, las cadenas de Markov son modelos probabilísticos que se usan para
predecir la evolución y el comportamiento a corto y a largo plazo de determinados sis-
temas. Cuenta con las siguientes características:
• Un proceso estocástico, es un conjunto o sucesión de variables aleatorias: {X(t)
CG } defnidas en un mismo espacio de probabilidad. Normalmente el índice t
representa un tiempo y X(t) el estado del proceso estocástico en el instante t.
• Un conjunto fnito de M estados, exhaustivos y mutuamente excluyentes (ejem-
plo: estados de la enfermedad).
• Ciclo de Markov: periodo de tiempo que sirve de base para examinar las transi-
ciones entre estados (ejemplo, un mes).
• Probabilidades de transición entre estados, en un ciclo (matriz P).
• Distribución inicial del sistema entre los M estados posibles.
Por otra parte, se encuentra que un proceso estocástico tiene la propiedad marko-
viana cuando las probabilidades de transición de un paso sólo dependen del estado del
sistema en el período anterior (memoria limitada). Por ejemplo, es posible encontrar en
la tabla 1 la probabilidad de que un individuo haga transición de un estado B a un estado
C después del primer periodo, y para el segundo periodo, dado que inicio en C, regrese
al estado B Dicha probabilidad es igual a 0,24%. La ecuación 8 permite hacer el cálculo
del proceso de markov, encadenando las probabilidades a través del tiempo. El lector
podrá extender el análisis encadenando varios periodos de tiempo.
(8)
4.4. Estrategias para la Mitigación del Riesgo
Constitución de provisiones
4
Prevé el cubrimiento del riesgo mediante provisiones generales e individuales, que per-
mitan absorber las pérdidas esperadas derivadas de la exposición crediticia de la enti-
dad y estimadas mediante las metodologías y análisis desarrollados en el Sistema de
Administración de Riesgo de Crédito (SARC).
Una vez que las entidades fnancieras hacen uso de estas mediciones, una forma de
mitigar el riesgo es provisionar las pérdidas esperadas desde el momento que se otorga
el crédito, con el fn de poder responder ante sus clientes y ante el mismo sistema. Por
ello, antes de otorgar un crédito, debe realizarse un proceso de autorización en donde
se establezca un monto máximo de riesgo tolerable a futuro, y una vez que se otorga, la
entidad debe realizar un seguimiento al comportamiento del mismo.
Las políticas de provisiones deben considerar explícitamente los ajustes contra-cí-
clicos de los modelos, de manera que en los períodos de mejora en la calidad crediticia
se constituyan mayores provisiones de las que serían necesarias en tales condiciones,
a fn de compensar, al menos en parte, las que deberían constituirse en períodos de
deterioro en la calidad crediticia.
4 Circular básica contable y fnanciera (Circular Externa 100 de 1995).
28
Estos ajustes pueden hacerse mediante provisiones individuales y/o provisiones
generales. En caso de que el ajuste contra-cíclico se efectúe individualmente, dicho
ajuste deberá registrarse independientemente para cada crédito.
Capital económico
Se entiende por capital económico la estimación del nivel de patrimonio necesario para
absorber las pérdidas no esperadas de la entidad. La tenencia de un capital económico
permite mantener activa la unidad de negocio a pesar de fuertes detrimentos genera-
dos por pérdidas no esperadas. Si bien todavía no es una exigencia regulatoria en Co-
lombia, es deseable que las entidades inicien un proceso de estimación de este capital
con metodologías internas.
Recuperación de cartera
Las entidades deben desarrollar políticas y procedimientos que les permitan tomar
oportunamente medidas para enfrentar incumplimientos con el objeto de minimizar
las pérdidas. Este tipo de estrategias de recuperación de carteras vencidas pasan por
lo general por la liquidación de las garantías reales que respaldan los créditos, el cobro
a frmas aseguradoras de deudas respaldadas por mecanismos de aseguramiento, la
reestructuración de las deudas, entre otras.
4.5. Sistema de Administración de Riesgo de Crédito
El Sistema de Administración de Riesgo Crediticio (SARC), fue diseñado con el propósi-
to de evaluar adecuadamente el riesgo de crédito de las entidades que puedan incurrir
en pérdidas a causa de este riesgo: establecimientos bancarios, corporaciones fnancie-
ras, compañías de fnanciamiento comercial, cooperativas fnancieras y aquellas enti-
dades autorizadas para otorgar créditos. Las entidades están obligadas a implementar
este sistema de la superintendencia.
Sin embargo, éstas tienen la posibilidad de crear sus propios modelos de adminis-
tración de riesgo, teniendo en cuenta que éstos a su vez sean sometidos a la evaluación
y aprobación de la Superintendencia Financiera.
El SARC ha permitido a las entidades tener un mayor control de pérdidas causa-
das por el riesgo crediticio, pues, dentro de sus políticas establece una serie de linea-
mientos para el otorgamiento de créditos, basadas en el previo conocimiento del su-
jeto de crédito, su capacidad de pago, garantías y condiciones del préstamo, lo que ha
generado que las entidades tengan limites en los niveles de exposición de los créditos
otorgados, permitiendo un mayor desarrollo y expansión del sector bancario, viéndose
refejado en su importante participación y aporte dentro del sistema Financiero Colom-
biano en los últimos años.
La flosofía de este sistema, supone la minimización de los riesgos causados por el
incumplimiento de los pagos. Sin embargo, en Colombia es incipiente su implementación
en el sector fnanciero, cooperativo y casi nulo en otros sectores de la economía, pues,
la Superintendencia Financiera tiene un control limitado en cuanto a la supervisión de la
aplicación del SARC o cualquier otro sistema establecido por la entidad. Pero, la difcultad
29
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
de lograr que el sistema que se aplique sea efectivo, está en que la Superintendencia no
tiene la posibilidad de vigilar su aplicación y que éste en la práctica este siendo realmente
utilizado. Por ello, un sistema de gestión de riesgo de crédito debe ser mas una flosofía
de manejo de una unidad de negocio, más que una imposición de la regulación o cualquier
otro ente que propenda por la estabilidad de los mercados al interior del país.
Para el caso internacional, no todos los países ni entidades aplican este tipo de
modelos, por lo que, la economía colombiana se ve afectada por crisis fnancieras que
se presentan en otros países. Al ser un país emergente, Colombia no cuenta con los
instrumentos y recursos sufcientes para salvaguardar los diferentes sectores de la
economía y generalmente la profundización de las crisis exige una gestión rápida, am-
plia y coordinada que le permita minimizar los efectos que se puedan presentar a causa
del “efecto contagio” generado por el colapso fnanciero en la economía de países de-
sarrollados y lideres en asuntos económicos y fnancieros.
En este contexto, efectos como la restricción crediticia, el alza de las tasas de
interés internas y la desaceleración de la economía mundial, restringen la oferta del
crédito y llevan al incumplimiento de los pagos, generando desconfanza e inestabili-
dad en las entidades fnancieras e impidiendo el adecuado funcionamiento de los mer-
cados de crédito.
5. gestIón global de rIesgo
de mercado
El lector estará altamente interesado en comprender adecuadamente el esquema de
Gestión Global de Riesgos de Mercado y su instrumental de medición y mitigación del
riesgo, pues este es uno de los riesgos de mayor importancia en el mercado de materias
primas agrícolas a nivel mundial.
El Riesgo de Mercado es la probabilidad de pérdida o ganancia potencial que puede
presentar un portafolio, un activo o un título en particular, originada por cambios y/o
movimientos adversos en los factores de riesgo que determinan el precio de los instru-
mentos que componen una cartera de valores tales como. Los movimientos de una de
las variables que alteran el valor de los activos y/o portafolios pueden traducirse en una
disminución del patrimonio que puede afectar la viabilidad fnanciera de una organiza-
ción y la percepción que tiene el mercado sobre su estabilidad.
Basilea indica que el riesgo de mercado, refeja la incidencia de un cambio adverso
en las variables precio, tipo de interés y tipo de cambio sobre posiciones abiertas en los
mercados fnancieros, de ahí que, en ocasiones, se denomine Riesgo de Posición.
Los factores generadores de riesgo de mercado a los que se encuentra expuesto un
inversionista, contemplan el movimiento de una de las siguientes variables:
• Tasa de interés.
• Tipo de cambio.
• Precios de títulos valores (renta fja (cdts-bonos) y/o renta variable (acciones)).
• Precios de materias primas.
30
5.1. Riesgo de Tipos de Interés
El Comité de Supervisión Bancaria de Basilea (BIS, 1997) defne el riesgo de tipos de in-
terés como la exposición de la situación fnanciera de una organización a movimientos
adversos en los tipos de interés. En particular, es posible diferenciar entre:
• Riesgo de interés de balance, derivado de la estructura patrimonial de la entidad
fnanciera, donde, una entidad con sensibilidad pasiva experimentará una pérdi-
da ante una subida en los tipos de interés; análogamente, una entidad con sensi-
bilidad activa, incurrirá en una pérdida ante una reducción en los mismos.
• Riesgo de interés de mercado, que afecta al precio o valor de mercado de aque-
llos instrumentos fnancieros en los que se negocian tipos de interés, en par-
ticular, renta fja y derivados sobre tipos de interés. Puede identifcarse con la
elasticidad del precio de un activo de renta fja respecto a los tipos de interés.
La tasa de interés como factor de riesgo, es aquella variación (positiva o negativa)
en el valor de un activo en un periodo de tiempo determinado, entre dos fechas distin-
tas (presente y futuro). En el mercado de dinero se manejan con frecuencia diferentes
tasas o tipos de interés expresadas en diversas bases y diferentes plazos; para que las
tasas que sean comparables, se requieren que se hayan expresado en la misma base y
ser del mismo tipo, a lo que se le llama estructura intertemporal de tasas de interés, que
es una manera estable de mostrar las tasas de interés en diferentes plazos o periodos.
5.1.1. Medición del Riesgo de Tasa de Interés
La medición del Riesgo en Tasa de Interés, según la Superintendencia Financiera de Co-
lombia, tiene como propósito determinar el efecto de cambios en las tasas de interés
sobre el valor del capital de la entidad. Esta medición se hace a través de las metodolo-
gías de duración y convexidad.
La metodología de duración, es de gran utilidad, especialmente como un indicador
de riesgo, ya que permite determinar el cambio en el valor de un activo cuando se pre-
senta una variación en la tasa de interés (es importante tener en cuenta al momento de
realizar el cálculo de la duración, el tipo de tasa de interés pactada, es decir, si es fja o
variable, en moneda local o extranjera).
El lector deberá recordar de ahora en adelante que existe una relación inversa entre
el precio de los bonos (públicos o privados) y la tasa de interés. Esto se debe a que, por
ejemplo, una subida de la tasa de interés reduce el precio del bono al alterar su valor actual.
En realidad, en escenarios volátiles de la tasa de interés, el cálculo de la duración tiende a
subestimar la subida de los precios de los bonos ante una reducción de las tasas de interés,
y a sobreestimar la caída de los precios de los bonos ante un aumento de los tipos de interés
de mercado. Para solucionar este problema, el cálculo de la convexidad permite hacer una
mejor aproximación al valor real del movimiento del precio. El gráfco 3 muestra la relación
inversa que existe entre las tasas de interés y los precios de los bonos.
La gráfca muestra que con una tasa inicial cercana al 13% por ejemplo, el precio del
bono esta a un nivel de $802, en el punto X1 de la gráfca. Si las tasas de interés subi-
eran, el precio del bono se reduciría, pero la pregunta es ¿hasta qué punto?. El lector
notará que la recta mostraría una mayor caída (hasta el punto X3) en comparación con
31
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
la curva que muestra una caída más leve (hasta el punto X2). Esta diferencia se debe a
la inclusión del componente convexo. En realidad, el precio del bono se reduce hasta el
punto X2, pero la relación lineal no recoge este efecto.
La metodología de convexidad es una propiedad de los instrumentos de deuda, y
se hace cuando el cálculo de la duración es insufciente debido a una alta volatilidad en
las tasas de interés. La convexidad siempre es positiva y es buena en la medida que es
un amortiguador contra las pérdidas debidas a los incrementos en las tasas de interés,
la duración en cambio es negativa y a mayor duración mayor riesgo en el bono.
Las variaciones en las tasas de interés de mercado van a estar generando dos tipos
de cambios en el escenario empleado por un administrador de cartera; por una parte, se
van a estar viendo alterados los valores actuales de los activos fnancieros que confor-
man el portafolio y, por otro lado, se van a estar viendo modifcadas las posibilidades de
reinversión de los fujos que son liberados por los activos que conforman el portafolio.
La duración es un concepto que permite calcular el tiempo que tarda un inversioni-
sta en recuperar su inversión, contada desde el momento que compra el bono, hasta el
momento que recupera la totalidad de la inversión. En el mercado de bonos existen al-
gunos bonos que no pagan cupones, es decir que no reportan algún tipo de rentabilidad
al inversionista durante la vida del mismo, sino que pagan un único cupón al fnal de la
vida del bono. A este tipo de bonos se les denomina bonos cero cupón y se caracterizan
porque la duración es igual al periodo de vencimiento. Es decir, si un inversionista com-
pro en el periodo t uno de estos bonos, solo percibirá el principal (inversión inicial) y la
rentabilidad cuando el bono tenga el vencimiento, por ejemplo t+10, si el bono tiene
Gráfco 3. Relación tasa de interés, precio del Bono.
Fuente: Construcción propia
32
duración de 10 periodos. Para este caso el vencimiento es a 10 periodos y la duración es
también de 10 periodos.
Por el contrario, los bonos que pagan un cupón de manera periódica a los tenedores
de los bonos captan rentabilidad durante la vida del mismo, por lo que no tienen que
esperar al fnal para ir recuperando la inversión. En este sentido, cuando un bono paga
cupón, la duración es menor al vencimiento. Esto obedece a que en primera instancia,
el inversionista puede ir acumulando los cupones para completar el principal. La ecu-
ación (9) muestra la forma como se calcula la duración (D) de un bono.

(9)
Donde,
FC
t

= es el fujo de caja del periodo t,
r = es la tasa de interés de mercado
t = cada uno de los t periodos de tiempo
T = Periodo de vencimiento del Bono
VNA
= Valor neto actual del fujo de caja del bono.
La ecuación (10) permite apreciar la forma como se calcula el Valor Neto Actual
(VNA) de un bono. El fujo de caja incluye el cupón que recibe en cada periodo el tene-
dor del bono.
(10)
Para medir el cambio en el precio del bono ante un cambio en las tasas de interés,
sin tener en cuenta el efecto que la convexidad ejerce sobre el movimiento del precio
del bono, es necesario emplear la duración (con signo negativo, por la relación inversa
entre precio del bono y tasa de interés) y las variaciones de las tasas de interés, tal y
como lo muestra la ecuación (11).
(11)
Donde

∆r mide el cambio en la tasa de interés.
Como el lector estará pensando, los inversionistas una vez reciben el cupón cada
periodo, no lo guardan pasivamente y lo van acumulando, sino que toman esos montos
y los reinvierten en los mercados, por lo que el cupón se va a multiplicar igualmente.
Este efecto de reinversión de los cupones hace que la inversión se recupere a una mayor
velocidad, por lo que la duración se modifcará a la baja. Es decir, un inversionista adqui-
ere un bono en el periodo t, que vence en 10 periodos y que paga cierto cupón C cada
periodo. Si el inversionista acumula pasivamente los cupones recuperará la inversión















































2
,
T N M VaR
diaria T


2
,
252
T
N M VaR
anual T


2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T






33
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
en t+8 periodos por ejemplo. Pero si el inversionista decide reinvertir los cupones y por
ellos también recibe rentabilidades, la inversión inicial (principal) lo recuperará aun mas
rápido, por ejemplo en t+7 periodos. La ecuación (12) muestra la forma como se estima
la duración modifcada de un bono.
(12)
Ahora, la convexidad es un concepto sencillo que permite hacer una estimación del
efecto neto real de un movimiento de las tasas de interés sobre el precio. Por ello, las
ecuaciones (13) y (14) muestran la forma como se calcula la convexidad en periodos y la
sensibilidad del precio ante cambios en la tasa de interés respectivamente.
(13)
(14)
5.1.2. Gestión del Riesgo de Tasa de Interés
El lector estará pensando que cualquier movimiento al alza de las tasas de interés re-
duce el precio del bono por lo que es necesario protegerse de dichos movimientos.
Igualmente, como ocurre cuando varían los precios, algunos lectores pensaran que una
reducción de la tasa de interés es benéfca para el precio del bono por lo que no es ne-
cesario cubrirse en riesgo. Esto es falso en todos los casos. Si cae el precio de un activo
(una materia prima por ejemplo), o si se sube las tasas de interés en ambos casos per-
derá el tenedor de estos activos. Como no es posible saber con certeza para donde van
las variables, ya que éstas son estocásticas, es mejor que siempre se cubran en riesgo
en el mercado de plazos.
Igualmente, la inmunización de un portafolio se convierte en una estrategia que
balancea el riesgo de reinversión y el riesgo de portafolio, pues, un portafolio inmu-
nizado es uno en que la duración es igual al periodo planeado de permanencia de la
inversión. Para inmunizar, riesgo tasa de interés y riesgo precio se deben balancear y así
mantener un rendimiento de portafolio constante.
5.2. Riesgo de Movimientos de Precios de los Activos
Refeja la incidencia de movimientos adversos tanto en los precios de activos fnancie-
ros de renta variable, acciones y derivados sobre éstas o índices bursátiles, como en los
precios de las materias primas (commodities) y sus derivados. La exposición al riesgo
asociado a valores de renta variable se materializa en la posible depreciación experi-
mentada por una cartera de dichos títulos para la entidad tenedora de la misma.









2
,
T N M VaR
diaria T


2
,
252
T
N M VaR
anual T


2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T















2
,
T N M VaR
diaria T


2
,
252
T
N M VaR
anual T


2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T















2
,
T N M VaR
diaria T


2
,
252
T
N M VaR
anual T


2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T






34
5.2.1. Metodologías para medir el Riesgo de Mercado
Los mercados fnancieros se caracterizan por su volatilidad, dado que ésta genera tanto
riesgos como oportunidades de nuevos negocios y el desarrollo mismo del mercado f-
nanciero. En este sentido, las innovaciones fnancieras (instrumentos) son una respues-
ta a las necesidades del mercado por gestionar el riesgo y hacer de este una unidad de
negocio rentable.
La medición del riesgo de mercado se hace generalmente por medio del cálculo del
VaR. Esta es una medida que funciona solo en condiciones cotidianas del mercado, pues
en épocas de crisis y auges tiende a sobreestimar o subestimar las potenciales perdidas
inesperadas de un portafolio. Para el cálculo del VaR, es necesario tener en cuenta:
• El monto expuesto (M): esta cifra es el resultado de multiplicar el número de
papeles que se tiene de un activo por el precio actual del mismo. Por ejemplo,
el lector pensará en multiplicar 100 toneladas de un bien por el precio actual
de mercado para conocer el monto que está sometido o expuesto a las varia-
ciones adversas del mercado.
• El nivel de confanza (N): dado que esta medida del VaR es paramétrica, el su-
puesto trascendental en el que descansa el VaR se que los rendimientos de los
precios de los activos se distribuyen como una normal estándar. Por lo ante-
rior, cuando se observa la tabla de la distribución normal estándar, se obtienen
los siguientes factores:
Distribución Normal Estándar
CONFIANZA FACTOR
90% 1,28
95% 1,64
99% 2,32
99,9% 3.07
• La temporalidad (T): el horizonte temporal para la cuantifcación del VaR per-
mite estimar las máximas perdidas que puede tener un activo t periodos ade-
lante. Por lo general, como el precio de los activos en los mercados se mue-
ve diariamente, es posible contemplar VaR a 1, 10 o 30 días por ejemplo. Sin
embargo, si los precios de los activos se movieran con otra periodicidad, por
ejemplo semanal, sería necesario calcular el VaR a 1, 4 o quizás 8 semanas.
• La Volatilidad de los rendimientos del precio del activo (s): éste es el último de
los elementos del VaR. Las metodologías, Lognormal, EWMA o GARH permite
calcular la volatilidad.
La combinación de los anteriores elementos, como se muestra en la ecuación (15),
da una medida del VaR, siempre que la volatilidad sea diaria.
(15)
2
,
T N M VaR
diaria T
× × × = s
a
35
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Cuando la volatilidad de los rendimientos del precio de un activo es anual, y se quie-
re calcular el VaR en días, es necesario que la temporalidad sea llevada a frecuencias
diarias. Para ello, se debe dividir la temporalidad (dentro de la raíz cuadrada) entre el
número de rendimientos del precio del activo a lo largo de un año. Por lo general, los
mercados bursátiles operan 252 días al año, por lo que el cálculo del VaR procede como
lo señala la ecuación (16).
(16)
Ahora, el lector pensará que un inversionista tiene más de un activo o materia pri-
ma, por lo que compone un portafolio que diversifca su riesgo. En este sentido, el cál-
culo del VaR de un portafolio procede como se especifcó anteriormente. Sin embargo,
el cálculo de la volatilidad considera el efecto de la diversifcación por medio de la ma-
triz de correlaciones de los rendimientos de los precios de los activos. La ecuación (17)
permite apreciar la forma como se estima el VaR para un portafolio.
(17)
Donde w es el vector de participaciones de cada una de las materias primas dentro
de la inversión total (de tamaño matricial nx1, cuando se tienen n activos dentro del
portafolio), y w
T
hace referencia a dicho vector transpuesto.
La matriz de volatilidades individuales es una matriz de tamaño nxn que contiene
las volatilidades de cada uno de los activos en la diagonal, mientras que está compuesta
de ceros por fuera de la diagonal.
Finalmente, C es una matriz de correlaciones de los rendimientos de los precios de
los activos considerados dentro del portafolio. El lector recordará que las correlaciones
son números pertenecientes al intervalo [-1, 1]. Por lo tanto, el efecto de la diversifca-
ción del portafolio se evidencia en los valores negativos de la matriz de correlaciones.
Es importante aclarar que el VaR de un portafolio es menor o igual a la suma
de los VaR individuales, a razón de la diversificación que se evidencia dentro de un
portafolio. El único escenario en el cual el VaR del portafolio es igual a la suma de
los VaR de activos individuales es cuando la matriz de correlaciones es una matriz
identidad, lo que implica un riesgo equivalente al 100% en la volatilidad de cada
activo perteneciente al portafolio. Sin embargo, este escenario es poco probable en
mercados financieros.
Cálculo de la Volatilidad
Para calcular la volatilidad (s) de un proceso estocástico es posible emplear la meto-
dología lognormal, donde se supone que los rendimientos de los precios de los activos
distribuyen como una normal estándar. Es sufciente con estimar la desviación estándar
de los rendimientos de los precios de los activos, y esta se convierte automáticamente
una medida de la volatilidad. La ecuación (18) permite obtener los rendimientos de los
precios de los activos.
2
,
252
T
N M VaR
anual T
× × × = s
a
( )
2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T
× × × × × × × = s s
a
36
(18)
Por otro lado, la metodología EWMA (Exponentially Weighted Moving Averages)
pondera las observaciones para el cálculo de la volatilidad. Ésta, toma las observacio-
nes y le da mayores pesos a las observaciones más recientes, de manera exponencial.
El ponderador utilizado por la metodología es

λ , perteneciente al siguiente intervalo
0 < λ<1. La ecuación (19) permite hacer un cálculo consistente de la volatilidad.
(19)
Donde,









2
,
T N M VaR
diaria T


2
,
252
T
N M VaR
anual T


2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T






denota la volatilidad estimada, y










2
,
T N M VaR
diaria T


2
,
252
T
N M VaR
anual T


2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T






es la varianza de los rendimien-
tos de los precios de los activos.
Finalmente, la familia de modelos econométricos Autoregresivos de Heterocedas-
ticidad Condicionada y los generalizados, extienden el análisis de las series de tiempo
de los tradiciones modelos ARIMA y sus variaciones. Estos modelos construyen ecua-
ciones tanto para los rendimientos de los precios de los activos como para la varianza
de los mismos. La ecuación (20) muestra la forma general de expresión es GARCH (p,
q), donde p son las varianzas condicionales pasadas y q es el pasado de los errores al
cuadrado.

(20)
Una condición necesaria de los modelos GARCH (p, q) para asegurar la estacionari-
dad son: w > 0 y β
j

j
≥ 0 y la expresada en la ecuación (21).

(21)
En el siguiente capítulo se hará una aplicación extensa de los modelos GARCH para
el cálculo de Volatilidades.
5.3. Pruebas de Stress
Una herramienta complementaria y fundamental para la medición de los riesgos de
mercado son los análisis de escenarios de crisis también conocidos como pruebas de
stress testing o pruebas de stress, que permiten recoger todas aquellas situaciones no
consideradas por los modelos anteriores, que pueden ser relevantes para la entidad,
pero no han sido detectados debido a las limitaciones técnicas del modelo y propia me-
dida del riesgo.









2
,
T N M VaR
diaria T


2
,
252
T
N M VaR
anual T


2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T















2
,
T N M VaR
diaria T


2
,
252
T
N M VaR
anual T


2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T






∑ ∑
= =
− −
+ + =
q
j
p
j
j t j j t j t
y
1 1
2 2 2
s b a w s
1 0
1 1
<








+ <
∑ ∑
= =
q
j
p
j
j j
b a
37
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
El Stress Testing (ST) tiene como objetivo medir las variaciones en el valor de una
cartera en respuesta a alteraciones extremas en los precios de mercado de los instru-
mentos que la confguran. En ningún caso debe interpretarse como límites de las pérdi-
das máximas que pueda sufrir la cartera.
Se calcula mediante simulación con evaluación completa de escenarios históricos
de especial turbulencia o bien ante otros escenarios teóricos propuestos por el área de
riesgo de mercado.
5.4. Sistema de Administración de Riesgo de Mercado
La Superintendencia Financiera establece el Sistema de Administración de Riesgo
de Mercado (SARM), que es necesario desarrollar e implementar en las entidades
vigiladas por ésta, con el fin de minimizar pérdidas relacionadas con cambios ad-
versos en las tasas de interés, el tipo de cambio, los precios y las inversiones reali-
zadas por las entidades. Este sistema ha permitido a las entidades tener una mejor
gestión y confianza en las inversiones y operaciones que realizan que pueden verse
afectadas por las adversidades en el mercado. Igualmente, las entidades pueden
implementar diferentes modelos internos con políticas acordes con el reglamento
establecido por la Superintendencia. El objeto final es que dicho modelo ayude a
minimizar las pérdidas esperadas y establecer el monto necesario para cubrir y mi-
tigar el riesgo.
El problema que se presenta con este sistema, se hace evidente cuando las en-
tidades se enfrentan a una disyuntiva entre la opción de obtener mayores utilidades
o cumplir con las políticas establecidas dentro del marco regulatorio presentado
a la Superintendencia. Generalmente, las entidades se sienten atraídas por el fin
último de toda inversión, obtener rentabilidad; pero esto puede resultar contrapro-
ducente, ya que al no existir una gestión consistente del riesgo pueden generarse
pérdidas que ocasionan no solo iliquidez de los activos, sino que deterioran la con-
fianza y estabilidad en el sector.
5.5. Gestión de Riesgos de Mercado
Como se menciono anteriormente, para mitigar el riesgo de mercado es posible inmu-
nizar portafolios cuando se trata de portafolios que incluyen bonos, pues los movimien-
tos de las tasas de interés son compensados entre sí.
Por otro lado, los riesgos de mercado generados por movimientos de los precios
de los activos son generalmente mitigados en el mercado a plazos, donde es posible
encontrar, de acuerdo al grado de desarrollo del mercado, diferentes instrumentos f-
nancieros como Opciones, Futuros, Derivados y Swaps. Este arsenal de instrumentos,
que también funcionan para materias primas en varios mercados mundiales como la
Bolsa de Chicago por ejemplo, permite reducir la incertidumbre y la volatilidad de
los mercados. Como vera el lector en el capítulo 4 más extensamente, estos instru-
mentos son en buena medida una solución al problema de la estacionalidad que se
presentan en los mercados de materias primas agrícolas, ya que permiten negociar
las materias primas incluso antes de que se realicen las siembras, para los casos de
los cultivos de ciclo corto.
38
5.5.1. Forward
Este instrumento es el clásico de los derivados, ya que de él se desprenden los demás,
con pequeñas variaciones. Es decir, el fundamento de todos los instrumentos derivados
es el mismo forward. Ahora, este instrumento está defnido según Hull como “is a parti-
cularly simple derivate, it is an agreement to buy or sell an asset at a certain future time for
a certain price” (HULL, 2003, Pág. 2), en otros términos, es un contrato escrito en el cual
se acuerda la compra o venta de un producto en una fecha futura acordada.
El texto de “Option, Futures and other derivates” de John Hull, se hace referencia a
la siguiente característica en los forward:
• Un contrato forward es comercializado en el mercado OTC. Es decir, los con-
tratos forward no son estandarizados, se ajustan a las necesidades de las con-
trapartes, no requieren exigencias en la medida que no hay una institución que
evalué las capacidades de las partes. (Hull, 2003)
5.5.2. Opciones
Una opción es defnida según Hull, como el derecho de comprar o vender un bien en el
futuro (HULL, 2000). En ese sentido, las opciones tienen una diferencia fundamental
con los forward, ya que estos últimos generan obligación de realizar una transacción
mientras que la opción ofrece la posibilidad de no ejercer la posición, según las circuns-
tancias del mercado. En una defnición precisa Kozikowsky sostiene que “es un derecho
que confere al comprador el derecho, pero no la obligación, de comprar o vender una can-
tidad determinada a una fecha determinada”. (Kozikowsky, 2000, Pág. 157) Este dere-
cho tiene un costo que es conocido como la prima o costo de la opción.
Características de las opciones
• Las variables de una opción son: Precio al contado del activo subyacente, pre-
cio del ejercicio (K) este hace referencia al precio estipulado en el contrato. La
Prima, que se refere al precio de la opción, que se paga al frmar el contrato La
prima puede estar defnida como un seguro que respalda el cumplimiento del
contrato (Kozikowsky, 2000)
• Las opciones transadas en bolsa se liquidan a través de cámaras de compensa-
ción, de forma que el comprador ni el vendedor se encuentran directamente
(Kozikowsky,2000).
Tipos de opciones:
• Existen dos tipos básicos de opciones, aquella que da el derecho a comprar
“call option”, y aquella que da el derecho a vender “put option”.
Clasifcación por fecha de ejercicio
• Dentro de las opciones de compra y venta o Call y Put respectivamente, tam-
bién se encuentra una clasifcación en términos de fecha de ejercicio. Por un
39
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
lado las Opciones Americanas, que son las más costosas, se pueden negociar o
liquidar en cualquier momento durante la vigencia del contrato. Por otro lado
están las Opciones Europeas que solo se pueden ejercer en la fecha estipulada
en el contrato, en ese sentido tienen una prima menor en comparación con las
opciones americanas. (Kozikowsky, 2000).
• “Para cada fecha de vencimiento existen diferentes precios del ejercicio” (Ko-
zikowsky, 2000, Pág. 157).
Cualquiera de estos, o de otros instrumentos fnancieros son capaces de transferir
o tomar el riesgo para administrarlo.
6. gestIón global de rIesgo de lIquIdez
El riesgo de liquidez por lo general es visto como un componente del riesgo de mer-
cado, pues, la carencia de liquidez puede causar el fracaso de una institución, ya que
se entiende como la posibilidad de sufrir pérdidas por la difcultad en la fnanciación
necesaria para mantener el volumen de inversión deseado o la imposibilidad de trans-
formar en efectivo un activo o portafolio para responder por los pasivos de la entidad
(imposibilidad de vender un activo en el mercado).
Este riesgo se presenta en situaciones de crisis, cuando en los mercados hay úni-
camente vendedores y las diferentes fuentes de liquidez a las que puede acudir una
institución en época de iliquidez son:
• Acceso a fondos interbancarios: Las entidades fnancieras efectúan entre sí
préstamos y descuentos de operaciones de corto plazo, a una tasa de interés
fjada contractualmente.
• Operaciones Repo: Es un contrato por medio del cual se adquiere un título va-
lor, con la obligación de restituir al vendedor los mismos títulos, u otros de
la misma especie y condiciones, al vencimiento del plazo acordado y por un
precio y rédito previamente estipulado.
Los determinantes del riesgo de liquidez hacen referencia a las circunstancias que
inciden directamente en el monto y temporalidad de los fujos de caja, tales como:
La Estacionalidad de los retiros, que pertenece a los periodos o fechas específcas en
los cuales se presentan retiros de altos volúmenes de efectivo como pagos de nómina,
pagos de impuestos entre otros.
La Ciclicidad de los recursos, que representa los periodos establecidos estadística-
mente en donde se detecta un incremento o reducción de las captaciones de recursos.
6.1. Medición y Monitoreo del Riesgo de Liquidez
Tal vez la más importante adición en la medición de liquidez, proviene de encuestas pe-
riódicas (mensuales) que miden las percepciones y puntos de vista de una base amplia
de participantes del mercado, (tanto vendedores como compradores); estas encuestas
40
periódicas permiten observar como estas percepciones afectan la liquidez del mercado
fnanciero. Sin embargo, estas encuestas no son 100% confables, ya que los agentes
del mercado pueden llegar a alterar las condiciones de liquidez del mercado, a su favor,
emitiendo falsas opiniones de sus verdaderas expectativas del mercado.
Mediciones Micro
En los mercados fnancieros, la liquidez es vista como el grado en el cual las transaccio-
nes más grandes pueden ser llevadas a cabo en el tiempo con un impacto mínimo en
los precios. En tal caso, afrmaba Keynes, no es defnida o medida como un estándar
absoluto, sino en una escala, la cual incorpora elementos claves de volumen, tiempo y
costos de transacción.
Entonces la liquidez puede ser medida por tres dimensiones que incluyen los si-
guientes elementos:
• Profundidad: puede ser defnida como el volumen de transacciones posibles sin
afectar los precios. Es medida mediante el uso del promedio de “turn over” (vo-
lumen de negocio) como una aproximación para el impacto sobre el mercado.
• Amplitud: es la diferencia entre los precios de mercado promedio y aquellos a
los cuales ocurren realmente las transacciones. Es medida mediante el uso de
spreads “efectivos”, que representan los precios de mercado reales ante cam-
bios en los mercados fnancieros.
• Resistencia: es la velocidad con la cual se disipan las fuctuaciones de los precios re-
sultantes de las transacciones, generando indicadores acerca de la profundidad po-
tencial del mercado, que puede ser vista desde los fujos de mercado prevalecientes.
6.1.1. Gestión de Activos y Pasivos (GAP-ALM)
Existe una amplia diversidad de métodos que se pueden utilizar para medir el riesgo
de liquidez, pero entre los más utilizados por las instituciones fnancieras se destaca la
gestión de los activos y pasivos.
El Comité de Supervisión Bancaria de Basilea emitió una versión revisada sobre
la supervisión y los principios que deben defnir la gestión de activos y pasivos en en-
tidades fnancieras. A raíz de este hecho, diversas entidades se interesaron por dicha
gestión y adquirieron herramientas informáticas que facilitaran los cálculos necesarios
para conocer la exposición de la entidad a los riesgos de interés y liquidez.
El GAP es una herramienta que sirve para monitorear el riesgo y défcit de liquidez
a través de la comparación de fujos de caja de las posiciones de activos y pasivos fuera
del balance sobre una serie temporal, donde la posición del GAP de liquidez suele ex-
presarse a través del ratio de desajuste acumulado neto sobre el total de los depósitos,
teniendo rangos porcentuales establecidos como limites.
6.1.2. Ratios de Liquidez
Los Ratios Financieros, son coefcientes que muestran una relación entre dos variables
contables de la empresa, permitiendo el estudio de su situación fnanciera a partir de
los siguientes aspectos:
41
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
• Liquidez: capacidad de la empresa para hacer frente a las deudas y obligacio-
nes a corto plazo.
• Solvencia: capacidad de la empresa para hacer frente a sus obligaciones y deu-
das en general (tanto a largo como a corto plazo)
• Rentabilidad: capacidad de la empresa para genera benefcios o ganancias
conseguidas por cada peso que se ha utilizado o invertido.
El objetivo del cálculo de ratios, es proporcionar información sobre la liquidez de las
entidades. Entre los ratios más utilizados se encuentran los siguientes:
1. Ratio a corto plazo: mide la relación entre los activos líquidos y los pasivos a corto
plazo:
plazo corto a Pasivos
líquidos Activos
plazo corto a Ratio =
2. Ratio de préstamos contra depósitos: compara el nivel de depósitos contra el nivel
de préstamos para entender las necesidades adicionales, una vez considerados las
cuentas a la vista y los depósitos de clientes.
3. Ratio de Activos ilíquidos contra depósitos de clientes: mide el nivel de fnanciación
de los activos no líquidos por parte de los depósitos y cuentas a la vista.
6.1.3. Matrices de riesgos y mitigación del riesgo de liquidez
La Matriz de riesgo constituye una herramienta de control y de gestión normalmente
utilizada para identifcar las actividades (procesos y productos) más importantes de una
corporación, el tipo y nivel de riesgos inherentes a estas actividades y los factores exó-
genos y endógenos relacionados con estos riesgos.
Así mismo, el plan de contingencia debe permitir administrar situaciones de una
eventual falta de liquidez como consecuencia de contextos distintos, entre los princi-
pales están:
• Pérdida sostenida de depósitos.
• Concentración de depósitos por contraparte.
• Concentración de vencimientos excesiva.
• Disminución de líneas de contrapartes.
• Problemas de liquidez en el sistema fnanciero.
• Análisis de costos de las diversas alternativas de fnanciamientos.
6.2. Administración del Riesgo de Liquidez
El manejo de la liquidez es el proceso más importante que llevan a cabo las instituciones
fnancieras al incluir en su administración el resto de los riesgos fnancieros y operativos
que enfrenta una Institución; además, es un riesgo que potencialmente puede exponer
a la Organización a una alta volatilidad y generar la quiebra. Por lo tanto, el seguimien-
to, gestión e identifcación del mismo permite a la entidad mantener niveles de estabi-
lidad que garantizan su permanencia en el tiempo asegurando el pago de compromisos
a un costo razonable.
42
6.2.1. Los estándares internacionales del Comité de Supervisión
Bancaria de Basilea (BSBC)
Los estándares internacionales del Comité de Supervisión Bancaria de Basilea (BSBC),
en el desarrollo de una estructura para la administración de la liquidez señalan que:
• Los bancos deben tener una estrategia conjunta para la administración de la
liquidez diaria.
• Debe asegurarse que la alta gerencia controle el riesgo de liquidez.
• Los bancos deben tener una estructura administrativa para ejecutar en forma
efectiva la estrategia de liquidez.
• Los bancos deben tener sistemas de información adecuados para medir, moni-
torear, controlar e informar el riesgo de liquidez.
En la tabla 2 se pueden observar los elementos que conforman el sistema de ad-
ministración de riesgo de liquidez, así como la descripción de lo que cada uno de éstos
contiene.
Tabla 2. Sistema de Administración de Riesgo de Liquidez.
ELEMENTOS CONTENIDO MÍNIMO
Políticas
Defniciones expresas y clara en relación con el Riesgo de Liquidez
Políticas para la evaluación del Riesgo de Liquidez
Políticas acerca de funciones y responsabilidades para la administración del Riesgo de
Liquidez
Políticas acerca del seguimiento, control y reporte de Riesgo de Liquidez
Políticas acerca de límites de exposición y asunción del Riesgo de Liquidez
Políticas de mitigación del Riesgo de Liquidez
Políticas en materia de planes de contingencia por Riesgo de Liquidez
Políticas sobre el manejo de información interna y al público
Procesos de
Administración
Divulgación de las políticas de la entidad
Diseño de los mecanismos para poner en práctica las políticas
Documentación del Sistema de Administración del Riesgo de Liquidez (SARL)
Desarrollo del manual de procedimientos y responsabilidades para la gestión del Riesgo de
Liquidez
Necesidades de personal y tecnológicas para la gestión del Riesgo de Liquidez
Metodologías
de Medición
Modelo estándar para la medición de Riesgo de Liquidez
Requisitos para usos de los modelos internos para medición de Riesgo de Liquidez
Metodologías de
Monitoreo y Control
Diseño de reportes de seguimiento y control de límites
Frecuencia y responsables de monitoreo
Funciones de los órganos de control interno
Metodologías de
Mitigación
Fuentes de liquidez permanentes y transitorias
Costos de mitigación asumibles
Mecanismo para atender distintos grados de Riesgo de Liquidez
Planes de contingencia y efectividad de los mismos
Fuente: Superintendencia Financiera de Colombia
43
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
6.2.2. Sistema de Administración de Riesgo de Liquidez (SARL)
Para el control del riesgo de liquidez, la Superintendencia obliga a las entidades
que vigila a implementar el Sistema de Administración de Riesgo de Liquidez
(SARL), que ha desarrollado para evitar el incumplimiento de pago de las obliga-
ciones en las fechas oportunas y así mismo asumir costos adicionales que no se
esperan.
Este Sistema le ha permitido a las entidades establecer el monto adecuado para
reducir el riesgo y de esta manera generar estabilidad y confanza tanto para las entida-
des como para el público y el mercado en general, pues, se cumple con las obligaciones
fnancieras y al mismo tiempo se evita la falta de recursos líquidos e inestabilidad y
desconfanza en el mercado.
La difcultad que se presenta en la implementación de este sistema, se encuen-
tra ligada a los efectos que pueden generar las crisis fnancieras, particularmente,
al impedir el normal funcionamiento de la economía y generar estancamiento de la
misma, ya que la liquidez del sector se ve limitada, pues, la baja frecuencia de nego-
ciación hace que las transacciones en el mercado sean menores o en su defecto no
puedan realizarse. Esto se debe, a que la incertidumbre se torna mayor cuando no se
tiene ningún conocimiento o medio efcaz de cobertura que ayude a mitigar o prever
las posibles pérdidas generadas por las volatilidades en los precios o por el incumpli-
miento de las obligaciones al momento de enfrentar las adversidades causadas por
colapsos fnancieros.
7. gestIón global del rIesgo operacIonal
El Acuerdo de Capitales emitido por Basilea II ofcializa a nivel internacional el riesgo
operacional estableciendo las pautas para el uso de metodologías de medición y reque-
rimientos de capital para su cobertura.
En este contexto, el Comité de Supervisión Bancaria de Basilea, defne el riesgo
operacional como “pérdidas derivadas de inadecuación o fallos en los procesos inter-
nos, en los sistemas, en la actuación del personal o por eventos externos” (Asoban-
caria, 2007).
Por su parte la Superintendencia Financiera de Colombia defne al riesgo operacio-
nal como “la posibilidad de incurrir en pérdidas por defciencias, fallas o inadecuaciones,
en el recurso humano, los procesos, la tecnología, la infraestructura o por la ocurrencia de
acontecimientos externos” (Asobancaria, 2007).
Con respecto a la concepción que tienen estas entidades sobre riesgo operacional,
existe una discrepancia en la inclusión del riesgo legal y el reputacional, dado que el
Comité de Basilea excluye dentro de su defnición éstos riesgos, mientras que la Super-
intendencia los incorpora defniéndolos como:
1. Riesgo Legal es “la posibilidad de pérdida en que incurre una entidad al ser sancio-
nada u obligada a indemnizar daños como resultado del incumplimiento de normas o
regulaciones y obligaciones contractuales”.
44
2. Riesgo Reputacional es “la posibilidad de pérdida en que incurre una entidad por des-
prestigio, mala imagen, publicidad negativa, cierta o no, respecto de la institución y
sus prácticas de negocio que cause pérdida de clientes, disminución de ingresos o pro-
cesos judiciales”. (Asobancaria, 2007).
La adecuada administración del riesgo operacional ha adoptado cada vez más rel-
evancia dentro de las empresas del sector fnanciero, pues el no control de éste ha lleva-
do a diversas compañías fnancieras internacionales a enfrentarse a grandes problemas
por pérdidas originadas por inadecuados manejos y ausencia de supervisión sobre las
actividades de los funcionarios de éstas instituciones, que en muchos casos hizo inevi-
table el cerramiento de estas por la eventual bancarrota, o la venta a empresas que las
absorbieran y pudiesen responder por sus deudas.
Tal es el caso del Allied Irish Bank’s que perdió 691 millones en el año 2002, como
responsabilidad de uno de sus funcionarios que oculto las pérdidas acumuladas de tres
años sobre la tasa de cambio Yen/Dólar a su subsidiaria en los Estados Unidos, afectan-
do drásticamente la reputación del Banco. Éste, como otros casos, ha hecho que los
integrantes del sistema fnanciero busquen la manera de cubrirse de éste tipo de situa-
ciones mediante el control sobre las operaciones de sus compañías.
Así, se hace necesario la implementación de metodologías que permitan la
medición del riesgo operacional que contemplen los factores que inciden en las activi-
dades de las diferentes líneas de negocios que manejan las distintas entidades fnan-
cieras, haciendo posible que las compañías diseñen estrategias para mitigar el efecto
de éste riesgo adaptándolo a su perfl. La inclusión de la gestión de riesgo operacional
dentro de las empresas permite:
• Identifcar las pérdidas contables y no contables de la empresa.
• Clasifcar y conocer de los riesgos.
• Formular de medidas para monitoreo.
• Evaluar el coste/benefcio de su mitigación.
• Analizar los indicadores de riesgo y de rendimiento.
7.1. Factores y Categorías de los Riesgos Operacionales
Los factores de riesgo operacional, son aquellos que pueden o no generar pérdidas para
las entidades. Estos, según su clasifcación, pueden ser internos o externos, como se
indica a continuación:
• internos: Recurso Humano, procesos, tecnología, infraestructura.
• Externos: Son situaciones asociadas a la fuerza de la naturaleza u ocasionadas
por terceros, que no pueden ser previstos ni controlados por la entidad, tales
como pérdidas, eventos de pérdida.
El riesgo operativo, consta de siete categorías de eventos, considerados como las
principales causas de las pérdidas operacionales en las entidades fnancieras:
1. Fraude Interno: actos intencionados que buscan defraudar o apropiarse de activos
de la entidad o incumplir normas o leyes, en los que estén implicados funcionarios
de la entidad.
45
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
2. Fraude Externo: actos realizados por una persona externa a la entidad, que buscan
defraudar o apropiarse de activos de la misma o incumplir normas o leyes.
3. Relaciones laborales: actos que son incompatibles con la legislación laboral, con los
acuerdos internos de trabajo y con la legislación en general.
4. Clientes: fallas negligentes o involuntarias de las obligaciones frente a los clientes y
que impiden satisfacer una obligación profesional frente a éstos.
5. Daños a activos físicos: hacen referencia a pérdidas o daños en activos físicos de la
entidad, originados por desastres naturales u otros sucesos.
6. Fallas tecnológicas: obedecen a todas las interrupciones que se producen en el ne-
gocio por motivos tecnológicos y fallas en los sistemas.
7. Ejecución y administración de procesos: hacen referencia a las fallas en el procesa-
miento de las transacciones o en la gestión de los procesos.
En el esquema 4 se puede observar un cuadro conceptual que permite identifcar la
interacción de los componentes que conforman el riesgo operacional.
Esquema 4. Riesgo Operacional.

7.2. Medición del Riesgo Operacional
La cuantifcación permite tener más objetividad en la gestión del riesgo, logrando mayor
efcacia en la asignación de recursos para minimizar el impacto de las pérdidas operativas.
Metodologías para la cuantifcación
Basilea II establece un marco de referencia para la gestión integral de los riesgos que es
adoptado por los supervisores y entidades como una guía de mejor práctica. Éste pre-
senta tres métodos para el cálculo de los requerimientos de capital asociados al riesgo
operacional:
Fuente: Ernst & Young
46
1. Método del Indicador Básico
De acuerdo a los parámetros establecidos por el Comité de Basilea, en la utilización del
método del indicador básico el requerimiento de capital es equivalente a un porcentaje
del 15% del promedio de los tres últimos años de ingreso bruto anual positivo que haya
obtenido la entidad, es decir, se excluyen los años en que el ingreso anual haya sido
negativo o igual a cero.
2. Método Estándar
Para la implementación de este método, se debe tener en cuenta la división de las ac-
tividades que realizan las entidades fnancieras (líneas de negocio), donde el requeri-
miento de capital para cubrir el riesgo se obtiene multiplicando el ingreso bruto anual
por un factor (valor) sugerido por el Comité de Basilea. Cabe destacar que los ingresos
brutos negativos de cualquier línea de negocio pueden ser compensados por los ingre-
sos brutos positivos de las otras líneas de negocio. Los porcentajes por línea negocio se
pueden observar en la siguiente tabla.
Tabla 3. Factores de requerimiento de capital por actividad fnanciera.
LÍNEAS DE NEGOCIO FACTOR
Finanzas Corporativas 18%
Negociación y Ventas 18%
Banca Minorista 12%
Banca Comercial 15%
Pagos y Liquidación 18%
Servicios de Agencia 15%
Administración de Activos 12%
Intermediación Minorista 12%
Fuente: Construcción propia
Los métodos de indicador básico y estándar, no son considerablemente sensibles al
riesgo, debido a que la cuantifcación de los montos de capital requeridos es producto
de la relación de los ingresos brutos y el coefciente de exigencia de capital. Estos mé-
todos son criticados, pues, las entidades son sancionadas por tener ingresos brutos el-
evados y porque el requerimiento de capital podría depender de las prácticas contables
de cada país, posibilitando así el arbitraje regulatorio.
3. Métodos de Medición Avanzada (AMA)
En los AMA el requerimiento de capital es determinado en función de la estimación de
modelos estadísticos de medición interna del riesgo operacional al que está expuesta
la entidad. Según Basilea II, la posibilidad de implementar modelos internos está suje-
ta a la aprobación del supervisor y el cumplimiento de los requerimientos cualitativos
pertinentes.
47
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
La metodología para determinar el requerimiento de capital por riesgo operacional
mediante los AMA es semejante al cálculo del VAR, con la estimación obtenida de la
distribución de pérdidas. Así, el requerimiento de capital establecido por Basilea es el
que acumula el 99,9% de las pérdidas en un año.
Métodos de medición avanzada: Enfoque de Distribución de Perdidas
El método de Enfoque de Distribución de Pérdidas (LDA por sus siglas en inglés -Loss
Distribution Approach-), es uno de los más utilizados en la cuantifcación del riesgo
operacional y tiene como objetivo la obtención de la función de distribución agregada
de pérdidas operacionales, la que se obtiene de la acumulación de distribuciones de
pérdidas para cada línea de negocio, tipo de riesgo o combinación de ambas. Para que
la metodología resulte efciente, se deben tener dos condiciones importantes:
1. Adecuada selección de las distribuciones de frecuencia e intensidad.
2. Apropiada parametrización de las distribuciones seleccionadas.
Las pérdidas operativas pueden dividirse en dos componentes:
1. La frecuencia, que representa todas las cantidades posibles de eventos con su res-
pectiva probabilidad.
2. La intensidad, que representa todos los posibles valores de pérdida por evento y su
probabilidad, una vez ocurrido el evento.
Para efectos del cálculo, tanto la distribución de frecuencia como la de intensidad de-
ben ser estimadas en función de las pérdidas operacionales observadas por la entidad y re-
gistradas en su base de pérdidas operacionales históricas. El esquema 5 permite observar
la esquematización del proceso de estimación de la distribución de pérdidas operacionales.
EsquEma 5. Proceso de Estimación de Distribución de Pérdidas Operacionales.
Fuente: Price Water House Coopers
48
Paso 1. Base de datos
Es el paso fundamental en la construcción o desarrollo del modelo de cuantifcación
del riesgo operacional y permitirá el traspaso de un enfoque cualitativo a un enfoque
integral (cualitativo-cuantitativo).
Paso 2. Frecuencia de eventos
Con el fn de determinar la frecuencia de eventos con un plazo defnido, se utiliza una
distribución de conteo que especifca la probabilidad de un determinado número de
eventos para dicho plazo a partir de las pérdidas registradas por la entidad.
Paso 3. Intensidad de eventos
Para lograr determinar la intensidad de los eventos, es necesario estudiar la base de
pérdidas operacionales para ajustar la distribución paramétrica que mejor se adecue a
los datos observados en los montos de pérdidas. En la práctica, generalmente se utili-
zan distribuciones como Log normal, Pareto y distribuciones de cola larga, para evitar
subestimar ésta por falta de información.
Paso 4. Simulación de Montecarlo
Con el objeto de generar la distribución de pérdidas se puede utilizar el método de si-
mulación de Montecarlo, que se obtiene del siguiente proceso:
• Simular la cantidad de eventos de pérdidas operacionales para el plazo de
tiempo determinado.
• Para cada evento de pérdida se debe hacer una simulación del monto de pér-
dida asociado.
• La pérdida total para el plazo, es la suma de los montos de pérdida de cada uno
de los eventos que se simularon en el punto anterior.
De esta manera, el proceso estima la distribución de pérdidas utilizando un número
sufciente de escenarios hipotéticos, generados aleatoriamente a partir de las estima-
ciones de las distribuciones de intensidad y frecuencia.
7.3. Sistemas de Gestión del Riesgo Operacional
Con el surgimiento de la necesidad de implementar un marco que administre el ries-
go operacional y permita contrarrestar los efectos negativos que pueden afectar la es-
tructura empresarial, la comprensión del impacto del riesgo, el poder asignar el capital
según el riesgo asumido e información que logre mejorar las decisiones sobre la miti-
gación del riesgo operacional, se hace necesario uno o varios métodos para gestionar
el riesgo operacional. La Gestión del riesgo, se puede realizar de dos formas: cualitativa
y cuantitativa.
Para lograr una efectiva aplicación de la primera forma de gestión, se deben tener
en cuenta tres aspectos fundamentales:
49
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
1. Identifcación del riesgo: en el cual se elabora un mapa de procesos que permita
detectar los riesgos y controles existentes, así como su valoración en términos de
impacto y frecuencia de las pérdidas. El esquema 6 permite apreciar un ejemplo de
este tipo de matrices.
En el esquema, el eje de las abscisas (X) muestra el impacto de un evento de riesgo
y el eje de las ordenadas (Y) muestra la probabilidad de ocurrencia del evento. Los
escenarios de baja probabilidad de ocurrencia de evento y bajo impacto se denomi-
nan escenarios de “Riesgo Bajo”, mientras que escenarios de “Riesgo Extremo” se
presentan cuando la magnitud del evento o su probabilidad de ocurrencia son altas.
2. Modelo organizativo: donde se contempla la creación de una unidad independiente,
responsable de la gestión del riesgo, pues, esta será que genere mecanismos que
procuren una efectiva administración del riesgo.
3. Herramientas de gestión: dentro de la gestión, los instrumentos que se deben im-
plementar son mapas de procesos y riesgos, indicadores de riesgo, alertas, bases
de datos y sobre todo auto-evaluaciones.
Por otro lado, la segunda forma de gestión, la forma cuantitativa, debe tener en
cuenta que la existencia de datos externos es fundamental para las entidades, puesto
que éstos les permiten lograr una mejor cuantifcación del riesgo. Sin embargo, se pre-
sentan difcultades en su realización, pues muchas empresas son reacias a compartir o
divulgar esta información o en su defecto muchas de ellas no llevan registros históricos
acerca de este riesgo.
Cabe destacar, que los métodos utilizados para realizar esta gestión son muy gene-
rales, por lo que se requiere que cada entidad establezca su perfl de riesgo y así lograr
que la cuantifcación y mitigación sea más efciente. Uno de los métodos más utilizados
para la gestión de riesgo operacional, es el modelo actuarial, que tiene por objetivo es-
timar las pérdidas obtenidas basándose en datos históricos, determinando el impacto y
la frecuencia con que éste se presenta.
EsquEma 6. Mapa de Gestión de Riesgo Operacional.
Fuente: SERFINCO S.A.
50
Así mismo, existen algunas herramientas que son utilizadas para gestionar el riesgo
operativo y están clasifcadas en seis categorías, tal y como se observa en la tabla 4.
Tabla 4. Herramientas Utilizadas para la Gestión del Riesgo Operativo.
HERRAMIENTAS DESCRIPCIÓN
Auditoría de Supervisión
Revisión de los procesos de un negocio por parte de un departamento de
auditoría externa
Evaluación Auto-crítica Cada unidad de negocio identifca la naturaleza y el tamaño de Riesgo Operativo
Indicadores Claves de Riesgo
Medidas sencillas que identifcan si los Riesgo Operacionales están cambiando
con el tiempo
Volatilidad del Ingreso
Riesgo generado por las fuctuaciones de los negocios y los riesgos
macroeconómicos
Modelos Actuariales
Describe como las causas y efectos de los sucesos están ligados a través de
probabilidades condicionales
Causas en Red
Combina la distribución de frecuencia de las perdidas con la severidad de la
distribución por la ocurrencia de un riesgo operacional
Fuente: Construcción propia.
Igualmente para que las entidades obtengan una efectiva administración del ries-
go, pueden adherirse a la utilización de la Norma Técnica Colombiana 5254 (NTC-5254),
la cual contempla la manera como se debe adoptar un sistema de administración de
riesgos, que a su vez permitirá a éstas:
• Control de costos
• Minimizar pérdidas
• Maximización de oportunidades
• Gestión más fexible
• Nuevas habilidades de gestión
• Aumento de responsabilidad
7.4. Mitigación de Riesgo Operacional
Para la mitigación del riesgo operacional, es importante que las entidades creen bases
de datos internas que contengan información de las pérdidas y de su asignación, para
lo que existen diferentes modelos que contribuyen a que éstas entidades gestionen y
administren de manera efciente los diferentes riesgos operacionales.
Uno de los modelos más efectivos de mitigación de riesgo operacional, son los
AMA, que permiten hacer una previsión de los diferentes contextos en que se desem-
peña la entidad, y la implementación de nuevas políticas de seguros, que les permitan
cubrir parte de las pérdidas que se puedan presentar. Cabe destacar, que el requeri-
miento de capital para cubrir el riesgo, estará infuenciado por el método empleado y
por su parametrización, así como la exactitud de su estimación estará en función de los
supuestos e hipótesis incluidos.
51
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
La implementación de estos modelos de medición avanzada del riesgo operacio-
nal, le permitirá obtener importantes benefcios a las entidades, que se verá principal-
mente refejado en ahorros de capital y optimización de sus políticas de seguros.
Así mismo, para que exista una efectiva mitigación del riesgo, es necesaria la inte-
gración de la gestión cualitativa y cuantitativa, pues, esto permitirá que se detecten e
identifquen todos los riesgos y causas que puedan generar pérdidas futuras en la enti-
dad, lo cual contribuirá a la oportuna formulación de planes de acción que minimicen el
impacto de estos riesgos, y que a su vez, las entidades logren una reducción de costos
en sus líneas de negocio y en los requerimientos de capital.
En este contexto, Basilea II contempla que para la aplicación de metodologías de
medición de riesgo operacional es necesario contar con buenas prácticas de gestión y
supervisión. Para esto, ha emitido un documento llamado “Sound Practices for the Ma-
nagement and Supervision of Operational Risk”, en el cual estipula principios que sirven
de marco de referencia para lograr una efectiva administración del riesgo operativo,
que facilitará a las entidades la evaluación de políticas y prácticas orientadas a gestio-
nar este tipo de riesgos.
Dentro de dicha publicación, se establece que para lograr una adecuada admi-
nistración de riesgo operativo, las entidades deben tener en cuenta factores como el
tamaño, la naturaleza y complejidad de sus actividades, así como diversos elementos
que están relacionados con estrategias bien defnidas, una sólida cultura de gestión de
riesgo operativo, control interno y herramientas efcaces para la divulgación interna de
información y planes de contingencia.
Igualmente la mitigación de los riesgos operacionales se realiza a través de controles,
que deben ser evaluados en relación a su efectividad y su implementación, para ello se re-
quiere la construcción de una escala de califcación que permita realizar dicha evaluación.
Posteriormente se debe construir la matriz de evaluación de controles en la cual
se identifque el estado de cada uno de los riesgos, de acuerdo a la efectividad e imple-
mentación, como se muestra en el esquema 7.
EsquEma 7. Matriz de Evaluación de Controles para Mitigar Riesgo Operacional.
Fuente: FEN
52
Por lo tanto, el control que se ejerza permitirá a la empresa orientar la gestión de
riesgo a la implementación de metodologías que permitan minimizar el impacto de
éste o transferirlo. Por lo anterior, es importante que las entidades fnancieras adopten
un Sistema de Administración para éste riesgo que le permita tener un control sobre el
mismo, permitiéndoles dimensionar la magnitud de su exposición.
7.5. Sistema de Administración de Riesgo Operativo (SARO)
En Colombia la Superintendencia Financiera es quien supervisa que las entidades que
vigila establezcan un sistema que les permita administrar de una manera efectiva el
riesgo operacional. Mediante la circular externa del 2006 se establecen reglas relativas
a la administración del Riesgo Operativo, que son de obligatorio cumplimiento para las
entidades que están sometidas a su inspección y vigilancia.
De acuerdo con la Superintendencia Financiera de Colombia el SARO contempla un
conjunto de políticas, documentos, procedimientos, estructura organizacional, órga-
nos de control, registro de eventos de riesgo, plataforma tecnológica y divulgación de
información y capacitación, mediante los cuales las entidades vigiladas pueden realizar
una efectiva administración del riesgo. Para ello, las etapas de la Administración del
riesgo operacional son cuatro: Identifcación, Medición, Control y Monitoreo.
1. Identifcación: Las entidades deben identifcar los posibles riesgos que puedan
presentarse en el ejercicio de sus actividades, teniendo en cuenta los factores que
la afectan según el área de negocio. En esta etapa, las entidades deben documen-
tar todos los procesos que realizan, con el fn de establecer metodologías de iden-
tifcación del riesgo aplicadas a cada proceso.
2. medición: La implementación del SARO, permite calcular la probabilidad de que
un evento ocurra, la pérdida y el impacto de éste en caso de materializarse. La in-
formación obtenida puede ser cualitativa o cuantitativa en caso de emplear datos
históricos. Es importante que las entidades establezcan su perfl de riesgo y a su vez
tengan en cuenta que la metodología implementada para esta etapa sea suscepti-
ble a aplicación individual o consolidada según los factores de riesgo.
3. Control: Las entidades podrán decidir si aceptan, transferen o evitan el riesgo si
es posible. Sin embargo, es obligación de éstas tomar medidas correctivas que les
permitan minimizar la probabilidad de que eventos adversos ocurran y que su im-
pacto genere pérdidas signifcativas. En esta etapa, las entidades deben establecer
medidas que permitan tener un control efectivo de los riesgos, así como asegurar
la continuidad del negocio.
4. monitoreo: Las entidades deben realizar periódicamente un seguimiento de los
perfles de riesgo potenciales presentados y las pérdidas a las que estuvieron ex-
puestas, con el fn de facilitar una rápida detección y corrección de las falencias de
su sistema, establecer indicadores que permitan identifcar las principales fuentes
de riesgo operacional y asegurar que los controles y programas implementados
sean efcaces y funcionen de manera oportuna.
Este sistema puede resultar insufciente, en la medida en que todas las entidades
vigiladas por la Superintendencia establecen y presentan dentro de su flosofía una se-
rie de medidas que ayudan a contrarrestar las fallas presentadas en el contexto opera-
53
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
tivo y así mismo realizan convenios con diferentes instituciones cuyo objeto social es
asegurar todo tipo de riesgo generado por los agentes que actúan internamente en la
misma. El núcleo del problema está en que estas medidas son tomadas como una ob-
ligación de seguridad y no como un factor relevante para el adecuado funcionamiento
de la gestión del riesgo, haciendo estas medidas insufcientes, pues, su aplicación no es
permanente y su exposición se hace mayor al no cumplir con los requerimientos estab-
lecidos dentro del marco regulatorio expuesto ante la autoridad supervisora.
biblioGrafía
“Asesorías e inversiones s.a. (2007). Sistema de administración de riesgo
operativo”. Recuperado, 12 de mayo de 2009, de http://www.ase-
soriaseinversiones.com/informes/CULTURA%20DE%20RIESGO/
saro_web.pdf.
ASOBANCARIA (Marzo de 2006). “La gestión del riesgo operacional en
Colombia: un tema de gran importancia en el sector fnanciero”. Re-
cuperado el 9 de mayo de 2009, de http://www.asobancaria.com/
upload/docs/docPub2971_2.pdf.
(cbot(fecha de visita: 15 de Septiembre 2008; 5:30p.m) “Comités de su-
pervisión bancaria de Basilea” Suiza; disponible en http://www.
bis.org/stability.htm).
(cbot(fecha de visita: 03 de Octubre 2008; 2:14p.m) “Circulares de Basilea
disponible en http://www.bis.org/stability.htm).
(cbot(fecha de visita: 03 de Octubre 2008; 3:45.m) “Circular básica con-
table y fnanciera (Circular Externa 100 de 1995.) Superintendencia
Financiera de Colombia”, disponible en http//www.superfnanciera.
gov.co/Normativa/Normasy Reglamentaciones/cir100.htm).
BUENO, J. “Conceptos y experiencias en riesgo operacional”. Recuperado, 12
de mayo de 2009, de http://auditor2006.comunidadcoomeva.com/
blog/uploads/2-PresentacinLibardoBueno-ERNSTYOUNG.pdf.
CEA, J. (Noviembre de 2002). “Mitigación del riesgo operacional”. Recu-
perado el 11 de mayo de 2009, de http://www.risklab.es/es/jorna-
das/2002/BearingPoint_Mitigacion_Riesgo_Operacional.pdf.
DIOSDADO, Alejandro Ernst & Yong México, 2007 “administración de
riesgo fnanciero, riesgo de crédito”. Presentación riesgo y oportu-
nidad, Bolsa Mexicana de valores.
D&A CONSULTORES (Octubre de 2005). “La cuantifcación del riesgo ope-
racional (más que un requerimiento del supervisor una necesidad
para ser efcientes)”. Recuperado el 14 de mayo de 2009, de http://
www.prmia.org/Chapter_Pages/Venezuela/presentaciones%20
de%20eventos/sro-int-prmia(1).pdf.
ESPINOZA, Juan (2007), “matrices de transición y cadenas de markov” edi-
ción, Nº20. FEN (Noviembre de 2007). “manual de riesgo operati-
vo”. Recuperado el 14 de mayo de 2009, de www.fen.co
JORION, Philippe (2007) “El nuevo paradigma para el control de riesgo con
derivados, valor en riesgo”.
KOZIKOWSKI, Zbigniew (2000) “Finanzas Internacionales”. Ed. McGraw-
Hill, Primera edición. México. Capítulos 4 y 9.
54
KPMG (KPMG’s Basel Iniative). (Abril de 2004). “Basilea II: una mirada
más cercana - Administración del Riesgo Operacional” (Boletin Fi-
nanciero). Recuperado el 14 de mayo de 2009.
PRICEWATERHOUSECOOPERS (2007). “riesgo operacional”. Recupera-
do el 14 de mayo de 2009, de http://www.pwc.com/ar/spa/pdf/
CEO_RiesgoOperacional02.pdf.
VILARIÑO, Ángel (2001). “Turbulencias fnancieras y riesgos de mercado”.
Ed. Prentice Hall. España.
55
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
capÍtulo 2.
gestIón de rIesgos en el mercado
de las materIas prImas agrÍcolas
Risk management in the commodities market
John Jairo Roa Prieto
Guillermo Valbuena Calderón
RESUMEN
L
os precios de las materias primas están determinados por factores
de oferta y demanda, por ejemplo, las preferencias de los consu-
midores, las condiciones climáticas, confictos políticos, entre otros.
Una característica de las materias primas es la presencia de alta vola-
tilidad en los rendimientos de los precios, generando incertidumbre a
los agentes participantes en el mercado. Es importante pronosticar la
volatilidad de los rendimientos de los precios de las materias primas,
permitiendo una medida más consistente de la pérdida máxima de un
portafolio en condiciones normales del mercado.
56
ABSTRACT
The prices of commodities are determined by supply and de-
mand factors. For instance, the preferences of consumers, the
weather conditions, political conficts, among others. One of the
features of commodities is high volatility in the prices returns,
which raises uncertainty among the agents participating in the
market. It is important to forecast the volatility of the price re-
turns of commodities in order to have a more consistent measure
of maximum loss on a portfolio under normal market conditions.
PALABRAS CLAVE: Decisiones de inversión en materias pri-
mas, Pronóstico de la volatilidad, Riesgo.
KEY WORDS: Investment decisions in commodities, Forecas-
ting volatility, Risk
CLASIFICACIÓN JEL: G11, G17, G32.
57
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
1. IntroduccIón
Este capítulo tiene como objetivo pronosticar las volatilidades de los rendimientos de los
precios diarios de algunas materias primas agrícolas, a través de metodologías que per-
miten cuantifcar el comportamiento de la desviación estándar de los precios de estos
activos. Por otro lado, pretende determinar cuál es el efecto de incorporar en el cálculo
de la volatilidad, variables exógenas, ya sean variables macroeconómicas y/o precios de
otras materias primas. Finalmente, identifcar el efecto que podrían ejercer las expectati-
vas que se forman en el periodo t, de valores futuros t+1 de variables exógenas, sobre la
volatilidad actual (t) de los rendimientos de los precios de las materias primas y por tanto
de los valores en riesgo VaR de los portafolios de materias primas agrícolas.
El precio de una materia prima agrícola no solo está determinado por el compor-
tamiento histórico del precio de los factores, sino que también se ve infuenciado por
las expectativas que tengan los agentes del comportamiento futuro de los factores que
afectarán la variable en un momento del tiempo. Lo anterior hace referencia a las ex-
pectativas en la teoría económica, que se dividen en expectativas adaptativas y expec-
tativas racionales. Las expectativas adaptativas parten del supuesto de que el presente
y futuro de una variable está determinado por el comportamiento histórico de la misma
variable o de otras variables, mientras que las expectativas racionales parten del su-
puesto de que las variables económicas no siguen siempre un comportamiento alea-
torio sino un patrón de conducta, lo que permitirá formar expectativas sobre el valor
futuro de una variable.
La dinámica en el precio de las materias primas esta determinada principalmente
por movimientos de oferta y demanda; por el lado de la oferta están las condiciones
climáticas, bajo o elevado suministro del producto debido a un défcit o un superávit de
la materia prima, confictos políticos o militares, entre otros; y, por el lado de la deman-
da se encuentran las preferencias del consumo por un determinado bien y, la variación
del ingreso de los consumidores, como está sucediendo desde mediados de los años
ochenta en China e India.
Por lo anterior, la presente investigación mostrará que sí el pronóstico de las volati-
lidades del rendimiento de los precios de las materias primas agrícolas utiliza modelos
que incluyen únicamente información histórica de la propia variable u otras variables
exógenas, se obtendrá un pronóstico de la volatilidad más alto que si el pronóstico de
dichas volatilidades utiliza modelos donde se incluye información sobre el comporta-
miento futuro de las variables exógenas que afectan la volatilidad. Entonces, para un
cálculo consistente del pronóstico de la volatilidad se debe incluir en los modelos in-
formación que incorpore expectativas racionales sobre el comportamiento futuro del
precio de un bien específco o una variable macroeconómica.
En los mercados fnancieros, la medición de Valores en Riesgo (VaR) es una he-
rramienta fundamental para el cálculo de máximas perdidas de una inversión en una
materia prima agrícola o un portafolio de las mismas, en un periodo de tiempo y con
un nivel de confanza determinado a priori. Dicha herramienta de cuantifcación VaR
funciona en condiciones estables del mercado. Es decir, en periodos de crisis o auges
del mercado puede llegar a subestimar o sobreestimar las pérdidas de las inversiones
que tengan los agentes del mercado.
58
Por lo anterior, la medición de las volatilidades es una herramienta útil en la gestión
de riesgos en el mercado de las materias primas agrícolas, ya que los precios de esta
clase de activos son altamente volátiles creando incertidumbre a los productores, con-
sumidores, negociadores, gobiernos, gremios económicos, instituciones fnancieras,
entre otros, por lo que las volatilidades de los rendimientos de los precios pueden llevar
a grandes pérdidas o ganancias en un periodo de tiempo.
La presente investigación se centrará principalmente en la aplicación de diversas
metodologías para el cálculo de las volatilidades de los rendimientos de los precios de
algunas materias primas agrícolas, y al fnal compara las potenciales perdidas de una
inversión (comparación de VaR) con volatilidades pronosticadas por modelos que incor-
poran expectativas racionales y expectativas adaptativas.
Algunas metodologías para pronosticar la volatilidad de los rendimientos de los
precios de los activos son: a) La distribución lognormal; b) El Método EWMA (Exponen-
tially Weighted Moving Average) desarrollado por JPMorgan; y, c) Los métodos Econo-
métricos de modelación de heterocedasticidad (Familia de modelos GARCH univaria-
dos o multivariados).
2. fundamentacIón teórIca
2.1 Precio de las Materias Primas y la Política Económica
El comportamiento de los precios de la materias primas puede estar explicado por “la
dinámica económica, la presión geopolítica, intervención de los especuladores, fondos
de coberturas e inversionistas institucionales,…, comportamiento de la política mone-
taria y la debilidad o fortaleza del dólar”, Arango et.al. (2008, pág. 4. Las itálicas son
propias).
Numerosos países en desarrollo son grandes productores
1
y exportadores de mate-
rias primas, por lo que son vulnerables a las volatilidades de los precios internacionales
de los productos, afectando los ingresos recibidos por exportaciones.
Las materias primas son activos que se caracterizan por:
• Contar con una oferta limitada.
• Ser principalmente activos de consumo y no ser activos de inversión
2
.
• Son activos heterogéneos (por uso y procedencia).
• Su utilización en la manufactura y el consumo industrial.
Fabozzi, Füss y Kaiser (2008) dan una clasifcación de las materias primas, como se
muestra en el cuadro1.
1 Por ejemplo, Costa de Marfl produce cacao, Brasil produce café, China produce trigo, arroz, aluminio, algodón,
entre otros, Tailandia produce caucho natural, Indonesia produce aceite crudo de palma, los países de la OPEP
producen petróleo, etc.
2 El oro podría ser la excepción ya que es un commodity que no se consume sino que se invierte.
59
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
De acuerdo con Anson (2008), las materias primas diferen de otros activos, bonos
y acciones, en la formación de precios dado que éstos se forman en el mercado global,
mientras que los precios de los activos de renta fja y renta variable se forman en el mer-
cado regional. En concordancia con Anson (2008), Gilbert (2003) señala que una carac-
terística de los precios de los commodities
3
es la volatilidad que se presenta porque las
elasticidades de la producción y el consumo son bajas. En este sentido Gilbert (2003)
permite concluir que:
• Los choques de demanda afectan principalmente los precios de las materias
primas industriales ya que la oferta es relativamente inelástica; y,
• Los choques de oferta afectan principalmente los precios de las materias pri-
mas agrícolas ya que la demanda de dichos commodities es relativamente
inelástica.
El comportamiento de los precios de las materias primas puede estar afectado por
factores macroeconómicos de oferta y demanda. Al respecto Pindyck y Rotemberg
(1990), concluyen que:
• Un aumento en la tasa de interés actual disminuye la demanda futura por ma-
terias primas y eleva los costos de transporte.
• Un incremento en la tasa de producción industrial aumenta la demanda por
materias primas industriales ya que son insumos para la producción4
4
.
• Un efecto indirecto de las variables macroeconómicas sobre los precios de las mate-
rias primas se da a través de las expectativas sobre la oferta y la demanda agregada.
3 Un commodity generalmente es un bien de inversión y se transa en bolsa, mientras las materias primas gener-
almente son insumos para la producción y algunas se transan en bolsa.
4 Este es un efecto directo de una variable macroeconómica sobre el precio de las materias primas, que a su vez
incrementa la demanda por materias primas, por ejemplo, dentro del grupo de bebidas y granos aumenta la
demanda como resultado del incremento en el ingreso.
Cuadro 1. Clasifcación de las materias primas.
60
Por su parte Frankel (2006) observó la relación entre los precios de los commodi-
ties y los factores macroeconómicos, utilizando un modelo similar al overshooting de
Dornbusch, y concluyó que en un escenario de altas tasas de interés reales se presenta
una disminución en la demanda por commodities o un aumento en la oferta, generando
una caída en su precio. Lo anterior se explica por:
• Un mayor incentivo de realizar extracciones en el presente, período t, más que
en el futuro, período t+1.
• Desincentivo de las empresas o frmas a tener inventarios, explicado por el alto
costo de oportunidad de los inversionistas de tener materias primas.
• La formación de preferencias por parte de los especuladores al sustituir con-
tratos o inversiones en commodities por inversiones en activos de ingresos f-
jos, por ejemplo, bonos del gobierno.
Otra relación entre el precio de los commodities y factores macroeconómicos lo
observaron Adams, Füss y Kaiser (2008) a través del IPC. Precisaron que las materias
primas son una cobertura de riesgos contra incrementos en el nivel de precios, enton-
ces, en situaciones infacionarias aumenta la demanda por materias primas ya que el
valor nominal de los otros activos se deteriora al aumentar la infación esperada.
Por su parte Krichene (2008), realiza ejercicios de elasticidades entre índices de
precios de commodities y el índice de precios al consumidor (IPC) de los Estados Unidos
entre los períodos 1973 a 1980 y 2003 a 2007, y concluyó que las elasticidades de los
índices de precios de commodities respecto al IPC disminuyeron. Algunos factores que
explicaron los resultados del ejercicio, Krichene (2008, pág. 12), fueron:
• “Primero, las materias primas pueden presentar un componente muy pequeño en
la cesta de bienes de consumo. Por consiguiente, un aumento en los precios es pon-
derado por un menor coefciente y tiene por lo tanto un menor efecto sobre el IPC”.
• “Segundo, como el petróleo y otras materias primas son insumos dentro de los
procesos de producción, las ganancias en productividad pueden reducir el efecto
de los altos precios de las materias primas.”
• “Tercero, la ganancia en productividad también puede disminuir el precio de los
productos manufacturados y, por lo tanto, compensa el impacto de los altos pre-
cios de las materias primas.”
Adicionalmente, para determinar el impacto de la política monetaria en los índi-
ces de algunas materias primas
5
Krichene (2008), a través de un vector autorregresivo
(VAR) evalúa dicho efecto, a partir de la tasa de cambio y la tasa de interés. Analizó
los efectos de la política monetaria en términos de una descomposición de varianza y
concluyó que la política monetaria explica en gran medida las variaciones de precio de
las materias primas.
Un factor importante que determina el comportamiento del precio de los com-
modities es la dinámica de la política económica medida a través de variables macro-
económicas como las variaciones del índice de precios al consumidor (IPC), comporta-
5 Índices del precio del oro, del petróleo, de los commodities diferentes a los combustibles, etc.
61
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
miento de la tasa de cambio, de la tasa de interés, etc. Los países que son productores
y a la vez exportadores de commodities, como es el caso de Colombia, donde sus in-
gresos derivados del mercado de commodities dependen de las variaciones de los pre-
cios internacionales de los commodities y de las medidas de política económica estarán
interesados entonces en la adecuada gestión de riesgos económicos y fnancieros del
precio de las materias primas.
Como se menciono anteriormente, una característica de los precios de los com-
modities es la volatilidad. Dicha variabilidad en los precios afecta las decisiones de
política microeconómica y macroeconómica, por ejemplo, las decisiones que tomen
los individuos sobre el consumo y el ahorro, los diseños de coberturas de riesgo que
involucran a los agricultores, intermediarios y gobierno, Deaton y Laroque (1992). Adi-
cionalmente, afecta las decisiones fscales y los niveles de inversión y decisiones de por-
tafolio, Arango et.al. (2008).
Es importante determinar la volatilidad de los precios de los commodities, ya que le
permite a los agentes – agricultores, intermediarios, especuladores, gobierno, etc.- que
participan en este mercado diseñar estrategias de mitigación de riesgos con el objetivo
de minimizar las perdidas esperadas que pueden sufrir sus portafolios, inversiones o
ingresos provenientes de los commodities
6
.
2.2 Teoría de la Formación de Expectativas Adaptativas
y Racionales
2.2.1 Expectativas adaptativas
Las expectativas adaptativas se fundamentan en que el comportamiento futuro de una
variable depende sólo del pasado y presente de la misma. Un ejemplo de las expecta-
tivas adaptativas es el modelo de hiperinfaciones desarrollado por Cagan, con el cual
observó la estabilidad de las hiperinfaciones. La expresión de la formación de las ex-
pectativas es:
(1)
En la ecuación anterior λ se encuentra entre 0 y 1. La expresión (1-λ) indica la ve-
locidad de adaptación de las expectativas. Sí la λ=1 las expectativas adaptativas no se
corrigen y sí λ=0 indica que el nivel de precios no varía con respecto al anterior.
Para determinar el comportamiento esperado o futuro de los precios se reescribe
la ecuación (1):
(2)
La ecuación (2) expresa que los precios esperados en el momento t+1 son iguales
al promedio de los precios realizados en el momento t, con ponderaciones de 1-λ y λ.
6 Las frmas aseguradoras que ofrecen coberturas de seguros para el sector agrícola están interesadas en que las vo-
latilidades sean máximas en épocas en las cuales los agentes del mercado demanda las coberturas, con el objetivo
de maximizar ingresos; y están interesados en que las volatilidades sean mínimas en situaciones en los cuales es
necesario hacer efectivas las pólizas o seguros y que la probabilidad de hacer efectiva la póliza sea mínima.
P
e
t +1
— P
e
t
= (1— λ) (P
t


P
e
t)
P
e
t+1
= (1— λ) (P
t
+

λ P
e
t)
62
Por último, la ecuación de solución del modelo de Cagan con expectativas adapta-
tivas, donde M
t
es la cantidad de dinero en el periodo t, es:
(3)
La ecuación (3) indica que “El nivel de precios de un período depende sólo de la can-
tidad de dinero en el mismo período y los niveles de precios de períodos anteriores, pon-
derados con pesos decrecientes hacia atrás (es decir, de las cantidades de dinero presentes
y pasadas) Argandoña (1996, pág. 86).
2.2.2 Expectativas Racionales
La hipótesis de expectativas racionales se centra en el hecho de que la conducta de los
agentes depende de los valores pasados, presentes y futuros de las variables, Argando-
ña (1996).
Las expectativas racionales parten del supuesto
“de que las variables económicas no son puramente aleatorias, sino que siguen cierto
patrón de conducta, que es necesario (y posible) conocer para formar las expectativas,
para lo cual los agentes deben intentar identifcar ese patrón (que puede ser propio de
esa variable o dependiente de otras). En todo caso cuanta mayor información se ten-
ga sobre el patrón, más fácil será formar expectativas sobre la variable en cuestión.”
Argandoña (1996, pág. 87).
Sargent (1989), plantea que los agentes toman decisiones en situaciones dinámicas
sujetos a restricciones, por ejemplo, un cambio en la política gubernamental. Las re-
stricciones pueden variar afectando el comportamiento de los agentes y sus resultados
en el mercado. Adicionalmente, Sargent (2008) defne las expectativas racionales como
un concepto de equilibrio donde las variables endógenas dependen de las expectativas
de los valores futuros de dichas variables en un modelo de economía dinámica.
De acuerdo con Argandoña (1996), una aplicación de las expectativas racionales
fue desarrollada por Muth, quien aplico estas expectativas a la macroeconomía con el
objeto de utilizar toda la información disponible de la mejor manera y tratar de dis-
minuir los errores sistemáticos presentados en las expectativas adaptativas. La formal-
ización de las expectativas racionales se expresa de la siguiente manera:
(4)
Donde,
x
t +1
= es la expectativa subjetiva de la variable χ. Signifca que es el valor esperado
de la variable χ condicionada a la información disponible en el momento t.
E
t
= es el valor esperado de la variable χ en el momento t.
I
t
= es el conjunto de información disponible en el tiempo t.
En conclusión, “El uso de expectativas racionales no signifca,.., que los agentes no
cometan errores, ni que puedan predecir el futuro con exactitud, ni que conozcan todas
P
t
= (M
t /
a)+(b/a)(1—λ) ∑

i=0


λ
i
P
t—i
x
e
t +1
= E
t
[x
t +1
|I
t
]
63
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
las variables de la economía, etc., pero sí que los errores cometidos no son sistemáticos,
que no están serialmente correlacionados (hipótesis de ortogonalidad), y que no se pueden
reducir con la información disponible (incluyendo la información sobre los errores cometi-
dos). Un agente que utilice reglas distintas a las expectativas racionales puede cometer
errores menores en la predicción de una variable, pero, si usa expectativas racionales, no
cometerá errores mayores.” Argandoña (1996, pag.90).
2.3 Rendimiento y Volatilidad
2.3.1 Rendimientos de los Activos
La mayoría de los análisis de volatilidad de los activos se realizan sobre los rendimien-
tos o retornos y no sobre los precios. Los rendimientos de los activos se clasifcan en
retornos simples y retornos compuestos logarítmicos.
El rendimiento simple se expresa de la siguiente manera:
(5)
Por otro lado, el rendimiento logarítmico se expresa así:
(6)
Baillie (2007) menciona algunas características de los rendimientos a partir de var-
ias investigaciones empíricas realizadas por otros autores.
• Los rendimientos presentan no normalidad.
• Exceso de curtosis en los rendimientos.
• Los rendimientos no se pueden predecir y están no correlacionados.
• Las variaciones en los precios de los activos tienen periodos de estabilidad y
volatilidad.
2.3.2 Características de la Volatilidad
La forma más general para medir la volatilidad de los rendimientos de los precios de
los activos es por medio de la desviación estándar. Por ejemplo, sí el comportamiento
del precio de un activo presenta alta volatilidad el resultado esperado (pronostico) es
altamente incierto.
La volatilidad de los rendimientos de los activos presenta las siguientes caracter-
ísticas:
• Asimetría: la volatilidad en un escenario de innovaciones positivas se compor-
ta diferente a un escenario con innovaciones negativas.
• Variables exógenas: el comportamiento de la volatilidad de una serie se puede
ver afectada por la infuencia de variables exógenas.
• Conglomerados de volatilidad (volatility clustering): se presentan conglome-
rados de volatilidad en los rendimientos de los precios de los activos cuando
Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

64
hay periodos de alta volatilidad seguidos de periodos de baja volatilidad. Los
conglomerados de volatilidad dependen de la frecuencia de la información.
• Reversión a la media: la volatilidad de los rendimientos de los precios tienden
a la media, es decir, existe un nivel normal de la volatilidad.
2.4 Técnicas y Metodologías para el análisis de Riesgo
de las Materias Primas
2.4.1 Hechos estilizados
Las series de tiempo generalmente se caracterizan por ser series no estacionarias.
Bailled y Myers (1991), encuentran las siguientes características de los precios de los
commodities:
• Se distribuyen como un paseo aleatorio.
• Presentan períodos de tranquilidad y volatilidad.
• Tienen una varianza heterocedástica (cambia a través del tiempo).
• Las distribuciones son leptocúrticas, evidenciándose por la presencia de colas
gruesas o pesadas.
El trabajo de Parthe, et al. (1996) coincide con Bailled y Myers (1991) en que los
precios de los commodities son series de tiempo heterocedásticas que presentan colas
gruesas.
Existen varios ejercicios empíricos que aplican métodos estadísticos y economé-
tricos para analizar el comportamiento de los precios de los commodities. Dentro de
los ejercicios estadísticos se encuentra el trabajo realizado por Pindyck y Rotemberg
(1990), donde realizaron un análisis de correlación para siete materias primas no cor-
relacionadas
7
, utilizaron la técnica de co-movimiento. Concluyeron que existe un mov-
imiento común en los precios de las materias primas analizadas, el cual es explicado por
cambios en los valores presentes y futuros de las variables macroeconómicas, como la
infación, tasa de interés, tasa de cambio y demanda agregada.
Adicionalmente a las técnicas estadísticas, Parthe, et al. (1996) utilizaron el modelo
de series de tiempo GARCH para evaluar la hipótesis de excesos de co-movimiento en
el precio de algunos commodities no correlacionados. Concluyeron que existe un co-
movimiento entre las series de precios de los respectivos commodities seleccionados
que se debe a las infuencias de las variables macroeconómicas.
Por el contrario, Cashin, et.al (1999) llegaron a conclusiones diferentes. Utilizaron
la medida estadística de concordancia y demostraron que los precios de las materias
primas que no están correlacionados no se mueven juntos. Concluyeron lo contrario a lo
encontrado por Pindyck y Rotemberg (1990) y Parthe, et al. (1996).
Otro análisis de correlación aplicado a los commodities fue desarrollado por Bailey
y Chan (1993), donde utilizaron la prima de riesgo como una aproximación para explicar
las variaciones en el precio de los mercados futuros de materias primas. Demostraron
7 La no correlación implica que las elasticidades de oferta y demanda son cero. Adicionalmente, las materias
primas no correlacionadas no son sustitutos ni complementarios, no son usadas como insumos para las produc-
ción de otras y no son co-producidas.
65
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
que existe una signifcativa correlación entre las variaciones de los precios de las mate-
rias primas y la prima de riesgo de los stocks y los bonos.
En conclusión, se aprecia que los valores esperados o futuros de las variables mac-
roeconómicas afectan el comportamiento del precio de las materias primas. Las ex-
pectativas que se tengan sobre qué valores esperados van a tener las variables mac-
roeconómicas, es un indicador muy importante para los agentes que participan en el
mercado de los commodities para el diseño de estrategias de inversión y de coberturas
de riesgos.
2.4.2 Metodología histórica o lognormal
Este método asume que los rendimientos tienen media cero y que son independientes
e idénticamente distribuidos (i.i.d). Este supuesto de i.i.d es ampliamente utilizado en
series de tiempo diarias, mientras en series de tiempo con otros intervalos de tiempo no
es común. En el modelo histórico la varianza se expresa de la siguiente forma:
(7)
La ecuación (7) signifca que la varianza de los rendimientos es el promedio de los
retornos al cuadrado. Donde r
i,t
son los rendimientos y T es el último rendimiento diario.
La covarianza entre el precio del activo i y el activo j, se defne como:


(8)
2.4.3 Metodología EWMA
8
Esta metodología es más robusta para el cálculo de la volatilidad que la metodología
lognormal. Algunas características generales de los modelos EWMA son:
• Que le da una mayor ponderación a las observaciones más recientes.
• Que el parámetro o factor de suavizamiento exponencial es λ, defnido entre
0 < λ < 1.
El cálculo de la varianza es:

(9)
Y, el cálculo para la covarianza:
(10)

8 Por sus siglas en ingles: Exponentially Weighted Moving Averages.
Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

66
También existe la forma recursiva para calcular la varianza y covarianza, que se pre-
sentan en las ecuaciones (11) y (12), respectivamente:
(11)
Donde,
El término
Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

mide la intensidad de reacción de la volatilidad cuando
varían las condiciones del mercado, mientras el término
Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

mide la persistencia
de la volatilidad. El λ presenta dos interpretaciones: primero, sí λ es pequeño signifca
que la volatilidad presenta una alta reacción al fuctuar las condiciones del mercado y
segundo, sí λ tiene un valor cercano a uno, la persistencia de la volatilidad es alta. En
síntesis, cuando hay alta reacción hay baja persistencia y viceversa.

Y la covarianza recursiva:
(12)
En relación con la reacción y la persistencia de la volatilidad el modelo EWMA pre-
senta una restricción porque asume que los parámetros de reacción y persistencia no
son independientes. Deberían asumirse independientes ya que el parámetro de reac-
ción es determinado por (1-λ) y el parámetro de persistencia por λ, Alexander (2008).
2.4.4 Modelos ARCH
Esta familia de modelos es muy útil para capturar irregularidades de las series fnan-
cieras como lo son los conglomerados de volatilidad y las colas gruesas o pesadas de la
distribución.
2.4.4.1 Modelo ARCH
Los modelos ARCH (Autoregressive Conditional Heteroskedasticity) se caracterizan por:
• Utilizan la varianza condicional, es decir, no es constante a través del tiempo.
• La volatilidad está en función del pasado de los errores al cuadrado.
• Las variables endógenas y exógenas son rezagadas.
Este modelo se expresa como ARCH (q), donde q son los rezagos. Siguiendo a Bai-
llie (2007) este modelo se expresa como la ecuación 13, donde y representa los errores
del modelo:
(13)
Los parámetros de restricción deben ser positivos, es decir, ω > 0 y α
j
≥ 0. Con las
condiciones de los parámetros de restricción se garantiza que la varianza condicional
no va a ser negativa.
Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

Ecuación 5


Ecuación 6


Ecuación 7

Ecuación 8

Ecuación 9


Ecuación 10


Ecuación 11



Ecuación 12

Ecuación 13

Ecuación 14

Ecuación 15


Ecuación 16

Ecuación 17


Ecuación 18


Ecuación 19

Ecuación 20


Ecuación 21
67
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
2.4.4.1.1 Pruebas para detectar el efecto ARCH
Las pruebas más conocidas para detectar el efecto ARCH de una serie de tiempo son:
• La prueba de los multiplicadores de Lagrange (LM).
• El estadístico Lijung-Box.
2.4.4.2 Modelos GARCH Simétricos
Los modelos GARCH (Generalized Autoregressive Conditional Heteroskedasticity) son
una generalización de los modelos ARCH y son modelos simétricos. Sus características
generales son:
• La varianza condicional no solamente depende de las innovaciones o los erro-
res al cuadrado, como en el modelo ARCH (q), sino también de las varianzas
condicionales pasadas.
• Son modelos simétricos porque parten del supuesto de que los choques del
mercado de la misma magnitud, ya sean positivos o negativos, afectan de la
misma manera a la volatilidad.
• Una ventaja en relación a los modelos ARCH (q) es que se reducen los paráme-
tros a estimar, es decir, son modelos parsimoniosos.
La forma general de expresión es GARCH (p, q), donde p son las varianzas condicio-
nales pasadas y q es el pasado de los errores al cuadrado se presenta en la ecuación 14:
(14)
Por ejemplo, un modelo GARCH (1,1) se expresa de la siguiente manera:
(15)
Una condición necesaria de los modelos GARCH (p, q) para asegurar la estacionari-
dad son: ω > 0 y β
j

j
≥ 0 y la expresada en la ecuación (16).

(16)
Si los parámetros cumplen las condiciones de estacionariedad entonces se asegura
que la varianza condicional siempre sea positiva. La varianza incondicional o también
llamada varianza de largo plazo se expresa como en la ecuación (17). Aplicando raíz
cuadrad a la ecuación (17) es posible derivar la volatilidad.
(17)
Ecuación 13

Ecuación 14

Ecuación 15


Ecuación 16

Ecuación 17


Ecuación 18


Ecuación 19

Ecuación 20


Ecuación 21
Ecuación 13

Ecuación 14

Ecuación 15


Ecuación 16

Ecuación 17


Ecuación 18


Ecuación 19

Ecuación 20


Ecuación 21
Ecuación 13

Ecuación 14

Ecuación 15


Ecuación 16

Ecuación 17


Ecuación 18


Ecuación 19

Ecuación 20


Ecuación 21
Ecuación 13

Ecuación 14

Ecuación 15


Ecuación 16

Ecuación 17


Ecuación 18


Ecuación 19

Ecuación 20


Ecuación 21
68
Alexander (2008), presenta una interpretación de los parámetros del modelo
GARCH (p, q):
• El parámetro α es una medida de reacción, cuando es mayor a 0.1 la volatilidad
es muy sensible a las variaciones de las condiciones del mercado.
• El parámetro β es una medida de persistencia, cuando es superior a 0.9 la vola-
tilidad permanece por largo tiempo.
• La suma de los parámetros α + β es la tasa de convergencia, se considera gran-
de a partir de 0.99.
• El nivel promedio de la volatilidad en el largo plazo es la varianza incondicional.
Cuando la volatilidad incondicional es grande signifca que la volatilidad a lar-
go plazo en un mercado específco es alta.
2.5. Comparación entre las Metodologías EWMA
y GARCH
Existen unas similitudes entre estas dos clases de metodologías, por ejemplo:
• El λ en el modelo EWMA es similar al parámetro de persistencia (β) de los mo-
delos GARCH.
• El parámetro de reacción (α) en los modelos GARCH es equivalente a 1- λ en el
modelo EWMA.
Por otro lado, algunas diferencias entre estos dos modelos se presentan a conti-
nuación:
• En el modelo EWMA ω = 0.
• El pronóstico de la volatilidad en los modelos EWMA es constante mientras
que en los modelos GARCH (p, q) no lo es.
• En el modelo EWMA la varianza incondicional del modelo GARCH (p, q) es in-
defnida porque los parámetros de reacción y persistencia suman la unidad.
• En el modelo GARCH (p, q) los parámetros son estimados separadamente.
2.6. Metodología para el Cálculo del Valor en Riesgo (VaR).
El Valor en Riesgo (VaR) es una medida que permite calcular la máxima perdida, en
condiciones habituales
9
del mercado, que puede tener un activo o un portafolio de ac-
tivos por movimientos en los precios de mercado de los mismos. El VaR es una medida
que esta determinada por periodos de tiempo (por ejemplo, días, meses, años, etc.) y
niveles estadísticos de confanza.
La cuantifcación de esta medida es posible hacerla por métodos que descansan
fuertemente en el supuesto de distribución normal de los rendimientos de los activos. A
este tipo de métodos se les denomina paramétricos y sirven para cuantifcar VaR tanto
de activos individuales como de portafolios de activos.
9 El VaR es una medida inadecuada o insufciente en épocas de auges, crisis o burbujas especulativas en los mer-
cados bursátiles, ya que puede subestimar o sobreestimar las perdidas para el valor de mercado de un activo.
69
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
El lector pensará que es posible que un inversionista tenga la posesión de los de-
rechos de un activo o materia prima, o un portafolio de las mismas, por lo que será
necesario especifcar los detalles del cálculo del VaR de activos separadamente y de
portafolio.
2.6.1. VaR para Activos individuales
Para el cálculo del VaR, es necesario tener en cuenta:
• El monto expuesto (M): esta cifra es el resultado de multiplicar el número de
papeles que se tiene de un activo por el precio actual del mismo. Por ejemplo,
el lector pensará en multiplicar 100 toneladas de un bien por el precio actual
de mercado para conocer el monto que esta sometido o expuesto a las varia-
ciones adversas del mercado.
• El nivel de confanza (N): dado que esta medida del VaR es paramétrica, el su-
puesto trascendental en el que descansa el VaR se que los rendimientos de los
precios de los activos se distribuyen como una normal estándar. Por lo ante-
rior, cuando se observa la tabla de la distribución normal estándar, se obtienen
los siguientes factores:
Distribución Normal Estándar
CONFIANZA FACTOR
90% 1,28
95% 1,64
99% 2,32
99,9% 3.07
• La temporalidad (T): el horizonte temporal para la cuantifcación del VaR per-
mite estimar las máximas perdidas que puede tener un activo t periodos ade-
lante. Por lo general, como el precio de los activos en los mercados se mue-
ve diariamente, es posible contemplar VaR a 1, 10 o 30 días por ejemplo. Sin
embargo, si los precios de los activos se movieran con otra periodicidad, por
ejemplo semanal, sería necesario calcular el VaR a 1, 4 o quizás 8 semanas.
• La Volatilidad de los rendimientos del precio del activo (σ ): éste es el último de
los elementos del VaR. Las metodologías, Lognormal, EWMA o GARH permite
calcular la volatilidad como se describió en apartados anteriores.
La combinación de los anteriores elementos, como se muestra en la ecuación (18),
da una medida del VaR, siempre que la volatilidad sea diaria.

(18)
Cuando la volatilidad de los rendimientos del precio de un activo esta de manera
anual, y se quiere calcular el VaR en días, es necesario que la temporalidad sea llevada
a frecuencias diarias. Para ello, se debe dividir la temporalidad (dentro de la raíz cua-
drada) entre el número de rendimientos del precio del activo a lo largo de un año. Por
lo general, los mercados bursátiles operan 252 días al año, por lo que el cálculo del VaR
procede como lo señala la ecuación (19).
Ecuación 13

Ecuación 14

Ecuación 15


Ecuación 16

Ecuación 17


Ecuación 18


Ecuación 19

Ecuación 20


Ecuación 21
70
(19)
2.6.2. VaR para Portafolios de activos
Ahora el lector pensará que un inversionista en el mercado de materias primas tiene mas
de una materia prima, por lo que compone un portafolio que diversifca su riesgo. En este
sentido, el cálculo del VaR de un portafolio procede como se especifcó anteriormente.
Sin embargo, el cálculo de la volatilidad considera el efecto de la diversifcación por medio
de la matriz de correlaciones de los rendimientos de los precios de los activos. La ecuación
(20) permite apreciar la forma como se estima el VaR para un portafolio.

(20)
Donde w es el vector de participaciones de cada una de las materias primas dentro
de la inversión total (de tamaño matricial nx1, cuando se tienen n activos dentro del
portafolio), y w
T
hace referencia a dicho vector transpuesto.
La matriz de volatilidades individuales es una matriz de tamaño nxn que contiene
las volatilidades de cada uno de los activos en la diagonal, mientras que esta compuesta
de ceros por fuera de la diagonal.
Finalmente, C es una matriz de correlaciones de los rendimientos de los precios de
los activos considerados dentro del portafolio. El lector recordará que las correlaciones
son números pertenecientes al intervalo [-1, 1]. Por lo tanto, el efecto de la diversifca-
ción del portafolio se evidencia en los valores negativos de la matriz de correlaciones.
Es importante aclarar que el VaR de un portafolio es menor o igual a la suma de los
VaR individuales, a razón de la diversifcación que se evidencia dentro de un portafolio.
El único escenario en el cual el VaR del portafolio es igual a la suma de los VaR de activos
individuales es cuando la matriz de correlaciones es una matriz identidad. Sin embargo,
este escenario es poco probable en mercados fnancieros.
3. aplIcacIones en el mercado de
las materIas prImas agrÍcolas
3.1. Metodología
La estimación de la volatilidad del precio de las materias primas agrícolas aquí anali-
zadas, con y sin expectativas de valores futuros de variables exógenas, se realizó de la
siguiente manera:
• Primero, la selección de las materias primas endógenas se baso en el hecho de
sus signifcativas variaciones en el precio, principalmente en el año 2008. Por
2
,
252
T
N M VaR
anual T
× × × = s
a
( )
2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T
× × × × × × × = s s
a
71
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
otro lado, las materias primas exógenas se seleccionaron por su gran infuen-
cia en el comportamiento de los precios de las otras materias primas.
• Segundo, los precios de las materias primas seleccionados son los internacio-
nales. El análisis no incluyó el precio domestico o interno debido a que el mer-
cado colombiano no es formador de precios, es decir, es precio aceptante. Lo
anterior implica que el precio del mercado interno esta correlacionado con el
precio del mercado internacional de un producto especifco.
• Tercero, las variables endógenas son los precios de cinco materias primas agrí-
colas: azúcar, algodón, café y cacao, que hacen parte de las materias primas
agrícolas suaves, y, adicionalmente, el precio del maíz que hace parte de las
materias primas agrícolas granos-semillas, como se aprecia en el cuadro 2.
• Cuarto, las variables exógenas son: el precio del petróleo Brent, que se encuentra
clasifcado en las materias primas energéticas, la Tasa Representativa del Mercado
Colombiano (TRM) y la Tasa para los Certifcados de Depósitos a Término Fijo (DTF).
• Quinto, todas las variables de estudio comprenden el período 2 de enero de
2007 al 31 de diciembre de 2008, con una frecuencia diaria
10
. Solo se tuvieron
en cuenta los días hábiles en Colombia.
• Sexto, los precios se emplearon en términos nominales o corrientes.
• Séptimo, la fuente del precio de las cinco materias primas agrícolas es la publi-
cación Global Economic Monitor del Banco Mundial y la fuente para la TRM y
la DTF es el Banco de la República de Colombia.
• Octavo, para el cálculo de las variaciones de los precios se empleo el rendi-
miento logarítmico, como se describe en la ecuación 6.
• Noveno, el valor del parámetro de suavizamiento exponencial del modelo
EWMA (numeral 2.4.3) se supuso igual a λ = 0,94, valor sugerido para series
diarias por JP Morgan en su estudio de RiskMetrics.
3.2 Resultados de las
Aplicaciones
3.2.1 Materias primas agrícolas
11

Algodón
Durante el período de análisis el precio diario
del algodón alcanzó su valor máximo USc$
90/ lb el 5 de marzo de 2008, mientras que su
valor más bajo USc$51,8/ lb lo obtuvo el 21 de
noviembre de 2008 (Gráfco 1), lo que signif-
có una variación de 73,54%.
En el 2008 fue donde se evidenció la ma-
yor alza en los precios del algodón, situación
que obedeció a las expectativas sobre los
10 La DTF es una tasa semanal.
11 La parte conceptual de la sección 4.2 se basa en algunos informes sobre materias primas realizados por The Economist.
GráfiCo 1. Precio diario del Algodón
Índice A en el Lejano Oriente. 2 de ene-
ro de 2007 a 31 de diciembre de 2008.
Fuente: Global Economic Monitor. Banco Mundial.
Elaborado por el autor.
40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dólares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por bushels
72
stocks o existencias algodoneras en China, y
por otro lado al comportamiento del precio
del petróleo.
Azúcar
La variación entre el precio diario máximo
y mínimo del azúcar fue de 60,42%, con un
precio máximo de USc$16,7/lb el 3 de marzo
de 2008 y un mínimo de USc$10,41/lb el 5 de
mayo de 2007, (grafco 2).
El precio del petróleo ha infuido en el
comportamiento del precio del azúcar a tra-
vés del etanol, porque al aumentar el precio
del crudo presiona al alza el precio del bio-
combustible. Otro factor que infuye sobre el
precio del azúcar son las expectativas sobre
las existencias de la misma.
Cacao
Los precios del cacao en grano experimen-
taron un aumento exorbitante en gran parte
del 2008, alcanzando un precio máximo de
US$3.296 por tonelada el 3 de julio de 2008, y
un precio mínimo de US$1.668 por tonelada
el 29 de enero de 2007, lo que indica una va-
riación muy signifcativa entre el precio máxi-
mo y mínimo de 97,6%.
Un factor que ha infuido sobre el alto
precio del cacao durante el primer semestre
de 2008 son las inversiones especulativas,
que se caracterizaron por las marcadas fuc-
tuaciones en las compras y ventas del cacao.
Los fundamentales también han infuido en
el precio; por ejemplo, uno de los funda-
mentales ha sido el aumento en la demanda
de chocolate negro en Inglaterra y los Esta-
dos Unidos, que se compone principalmente
de cacao.
Café
La variación entre el precio máximo y míni-
mo del café arábiga fue de 54,82%, repun-
tando el mayor precio USc$ 170,31 por libra
el día 29 de febrero de 2008, mientras que
GráfiCo 2. Precio diario del Azúcar Mun-
do en los mayores puertos del Caribe. 2
de enero de 2007 a 31 de dic. de 2008.
Fuente: Global Economic Monitor. Banco Mundial.
Elaborado por el autor.
GráfiCo 3. Precio diario del Cacao en
Nueva York y Londres. 2 de enero de
2007 a 31 de dic. de 2008.
Fuente: Global Economic Monitor. Banco Mundial.
Elaborado por el autor.
GráfiCo 4. Precio diario del Café Arábigo
en Nueva York y Bremen/Hamburgo. 2
de enero de 2007 a 31 de dic. de 2008.
Fuente: Global Economic Monitor. Banco Mundial.
Elaborado por el autor.
40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dólares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por bushels
40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dólares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por bushels
40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dólares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por bushels
73
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
el 3 de mayo del mismo año se evidenció el
menor precio (USc$110 por libra).
Igual que el precio del cacao, el precio
del café ha sido infuenciado por el compor-
tamiento de los inversionistas en materias
primas. Por ejemplo, a fnales del 2007 e ini-
cios del 2008 los inversionistas presionaron el
precio al alza debido a la incertidumbre que
se presentó en el momento por la cosecha de
la primera parte del año en Brasil.
Maíz
El precio máximo USc$711 por bushels
12
del
maíz amarillo No. 2 se presentó el 27 de ju-
lio de 2007, lo que signifcó una variación de
161,4% respecto al precio mínimo USc$272
por bushels del 5 de diciembre de 2008.
Durante el 2008 los factores fundamen-
tales que llevaron a aumentar el precio del maíz, fueron: el aumento de la oferta de
maíz para producir biocombustibles- etanol- y el aumento de los precios de las semillas
oleaginosas.
3.2.3 Cálculo de la volatilidad del precio de algunas materias primas agrícolas
con expectativas adaptativas
La estimación de la volatilidad de los rendimientos de los precios diarios de las materias
primas seleccionadas se va a realizar aplicando la metodología lognormal, EWMA y
GARCH. En algunos casos, para las estimaciones de la volatilidad se incluirán las va-
riaciones porcentuales de algunas de las variables exógenas seleccionadas. Adicional-
mente, las variables tanto endógenas como exógenas están en el mismo momento de
tiempo, por ejemplo, en el momento t.
La forma general de los modelos GARCH señala que la forma de calcular la vo-
latilidad se debe realizar como se muestra en la ecuación (17). Para el pronóstico de
la volatilidad, en el presente capítulo, se incluyeron variables exógenas dentro de la
ecuación de varianza, y el cálculo de la volatilidad se realizó como se muestra en la
ecuación (21).
(21)
12 Una tonelada de maíz es igual a 39,36825 Bushels.
GráfiCo 5. Precio diario del Maíz Ama-
rillo No. 2 en puertos de EU. 2 de enero
de 2007 a 31 de dic. de 2008.
Fuente: Global Economic Monitor. Banco Mundial.
Elaborado por el autor.

Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29

40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dólares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por libra
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dólar por bushels
74
Donde E(exógena) denota el valor esperado (promedio) de la variable exógena que
se incluyó dentro de la ecuación de Varianza, y π hace referencia al coefciente (paráme-
tro) de la variable exógena obtenido del proceso de estimación.
Algodón
La mayor volatilidad de los rendimientos del precio diario del algodón en el Lejano
Oriente, sin incluir variables exógenas, se presentó con la metodología GARCH (cua-
dro 2). La ecuación 22 muestra la ecuación de varianza de los rendimientos del precio
del algodón:
(22)
Con una volatilidad de 2,39% (ecuación 22), se puede concluir que, dado que el pará-
metro de reacción α (0,176696) es mayor a 0,1 y la medida de persistencia β (0,809857)
es menor a 0,9, la volatilidad de los rendimientos del precio diario del algodón reaccio-
na fácilmente a las variaciones en el mercado y la volatilidad generada no permanece
por mucho tiempo.
Al incluir la variable la DTF como variable exógena, la varianza es representada por
la ecuación 23:
(23)
La volatilidad aumenta en 1,16%, ubicándose en 3,55%
13
. Pero, de acuerdo a la
ecuación (23), la relación entre la DTF y los rendimientos del precio del algodón es in-
versa, por lo tanto una decisión de política económica, utilizando como instrumento las
tasas de interés, por ejemplo un aumento, generaría una menor volatilidad en el precio
diario del algodón debido a que los agentes participantes en este tipo de inversiones
disminuirían su demanda sustituyendo las inversiones en algodón por otro tipo de ac-
tivos. En conclusión incluir la DTF como variable exógena aumenta la volatilidad de los
rendimientos del precio del algodón en relación con un modelo donde no se incluye
mencionada variable exógena.
Azúcar
Con la metodología EWMA se estimó la mayor volatilidad (2,50%) de los rendimientos
del precio diario del azúcar en el mundo sin incluir alguna variable exógena (cuadro 3):
El parámetro de suavizamiento exponencial empleado fue λ=0,94
14
, como es
un valor mayor a 0.90 significa que la volatilidad de los rendimientos del precio del
azúcar mundial es persistente, es decir, permanece fluctuando por un largo período
de tiempo.
13 El cálculo de la Volatilidad para el Algodón, derivado del cuadro 2 procede como lo señala la ecuación (21):
14 Ver la sección metodológica No. 3.

Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29


Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29


Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29

75
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
El modelo GARCH, antes de introducir la variable exógena, permite obtener la
ecuación (24) que describe el comportamiento de la varianza, con el cual se obtuvo una
volatilidad de 2,20%.
(24)

Por otro lado, el modelo GARCH después de incorporar la DTF como variable exó-
gena, permite obtener la ecuación (25) para la varianza, con la cual se obtuvo una vo-
latilidad de 2,29%, lo que muestra un incremento en la volatilidad del precio diario del
azúcar en 0,09% al incluir la variable exógena.
(25)
El efecto de la DTF en la volatilidad del rendimiento del precio diario del azúcar
mundial es el mismo presentado para el caso del algodón, pero con la diferencia de que
al incluir la DTF aumenta más variabilidad en los rendimientos del precio del algodón
(1,16%) que en los rendimientos del precio del azúcar (0,09%) comparados cuando no
se incluye la DTF.
Respecto al parámetro de reacción α y la medida de persistencia β de los dos mo-
delos GARCH del cuadro 3, se concluye que la volatilidad del precio diario del azúcar en
el mundo no reacciona rápidamente a las variaciones o cambios en el mercado, pero su
Cuadro 2. Cálculo de la volatilidad con
expectativas adaptativas del precio diario del
Algodón Índice A (Usc $/ lb), en el Lejano
Oriente. 2 de enero de 2007 a 31 de dic. de 2008.
1. Metodología lognormal
Volatilidad diaria (%) 1.59
2. Metodología EWMA
Volatilidad diaria (%) 1.52
3a. Metodología GARCH: Modelo A
Variable dependiente: Algodón
Ecuación de varianza
Coefciente Probabilidad
w 7.71E-06 0.002
a 0.176696 0.000
b 0.809857 0.000
Volatilidad diaria (%) 2.39
Metodología GARCH: Modelo B
Variable dependiente: Algodón
Ecuación de varianza
w 7.08E-06 0.00030
a 0.190969 0.00000
b 0.803826 0.00000
D(LOG(DTF)) -0.00066 0.00180
Volatilidad diaria (%) 3.55
Fuente: Cálculos del autor.
Cuadro 3. Cálculo de la volatilidad con ex-
pectativas adpatativas del Precio diario del
Azúcar Mundo, en los mayores puertos del
Caribe. 2 de enero de 2007 a 31 de dic. de 2008.
1. Metodología lognormal
Volatilidad diaria (%) 2.12
2. Metodología EWMA
Volatilidad diaria (%) 2.50
3a. Metodología GARCH: Modelo A
Variable dependiente: Azúcar
Ecuación de varianza
Coefciente Probabilidad
w 2.14E-05 0.0543
a 0.062879 0.0109
b 0.893007 0.0000
Volatilidad diaria (%) 2.20
Metodología GARCH: Modelo B
Variable dependiente: Azúcar
Ecuación de varianza
Coefciente Probabilidad
w 9.69E-06 0.00000
b 0.984783 0.00000
D(LOG(DTF)) -0.002232 0.00070
Volatilidad diaria (%) 2.29
Fuente: Cálculos del autor.

Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29


Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29

76
medida de persistencia de la volatilidad indica que ésta tiene un efecto permanente por
un largo período de tiempo
15
.
Cacao
La volatilidad más signifcativa (2,47%) de los rendimientos del precio diario del cacao
en los mercados de Londres y Nueva York sin incluir variables exógenas se estimó a
partir de la ecuación (26) de varianza derivada del cuadro 4:
(26)
Al incluir el rendimiento del precio del crudo Brent como variable exógena
16
se ob-
tuvo una volatilidad de 1,96%, lo que signifca introducir en la ecuación de varianza el
precio de una materia prima energética disminuye la volatilidad de los rendimientos del
precio diario del cacao respecto al escenario donde no se ha incluido esta variable. Las
ecuaciones (26) y (27) de varianza permite apreciar este hallazgo.
(27)
Sin embargo, la relación entre el rendimiento del precio diario del crudo Brent y el
rendimiento del precio diario del cacao es inversa, es decir, si sube el precio del petróleo
disminuye la volatilidad en los rendimientos del precio del cacao. Esto sucede porque
el petróleo es un insumo de diversos procesos productivos y, si aumenta su precio hace
más atractivo participar en inversiones en otras materias primas u otros activos que
estén directamente infuenciados por el comportamiento del precio de petróleo, que
en inversiones en cacao.
El parámetro de reacción α (0,053911) indica que la volatilidad del precio diario del
cacao no es muy sensible a los cambios en el mercado, mientras que para la medida de
persistencia los resultados fueron ambiguos, ya que en un caso el β es mayor 0.9 (ecua-
ción 26) y en la otra es menor (ecuación 27).
Café
De acuerdo con el cuadro 5, la mayor volatilidad (1,51%) de los rendimientos del precio
diario del café arábigo en Nueva York y Bremen / Hamburgo sin incluir variable exógena
se obtuvo con el modelo GARCH, cuya varianza se representa en la ecuación (28):
(28)
Tomando la TRM como variable exógena se obtiene la ecuación (29) del modelo
GARCH que describe el comportamiento de la varianza arrojando una volatilidad de
1,38%, inferior en 0,13% derivada de la ecuación sin variable exógena TRM.
(29)
15 Igual resultado obtenido por le EWMA.
16 La DTF no es signifcativa para el cálculo de la volatilidad del rendimiento del precio diario del cacao, mientras
que para el caso del algodón la DFT si fue signifcativa.

Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29


Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29


Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29


Ecuación 22


Ecuación 23


L a siguiente ecuación es el pie de página que esta después del cuadro 3:


Ecuación 24


Ecuación 25


Ecuación 26

Ecuación 27

Ecuación 28

Ecuación 29

77
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Lo anterior indica que el modelo con variable exógena es menos volátil que sin va-
riable exógena, igual situación se presentó en cacao. Hay que anotar que la relación de
la TRM y los rendimientos del precio diario del café arábigo es inversa.
Tomando las ecuaciones (28) y (29), los parámetros de reacción (α) permiten apre-
ciar que la volatilidad del precio diario del café arábiga no reacción rápidamente a los
cambios del mercado. Y, la medida de persistencia de las mismas ecuaciones muestra
que las fuctuaciones de la volatilidad duran a lo largo del tiempo.
Maíz
Igual que para el azúcar, a partir de la metodología EWMA, sin incluir variables exóge-
nas, se obtuvo la mayor volatilidad (3,37%) del rendimiento del precio diario del maíz
amarillo No.2.
Por otra parte, con la ecuación de varianza (30) sin incluir variables exógenas se
obtuvo una volatilidad de 2,84%, con la metodología GARCH:
(30)
Al incorporar la DTF como variable exógena, en el modelo GARCH se obtiene la
ecuación (31) de varianza:
Cuadro 4. Cálculo de la volatilidad con
expectativas adaptativas del precio diario del
Cacao en Nueva York y Londres. 2 de enero
de 2007 a 31 de diciembre de 2008.
1. Metodología lognormal
Volatilidad diaria (%) 1.95
2. Metodología EWMA
Volatilidad diaria (%) 2.29
3a. Metodología GARCH: Modelo A
Variable dependiente: Cacao
Ecuación de varianza
Coefciente Probabilidad
w 3.59E-06 0.0000
a 0.053911 0.0000
b 0.940192 0.0000
Volatilidad diaria (%) 2.47
Metodología GARCH: Modelo B
Variable dependiente: Cacao
Ecuación de varianza
Coefciente Probabilidad
w 6.08E-05 0.0000
b 0.833097 0.0000
D(LOG(DTF)) -0.003318 0.0000
Volatilidad diaria (%) 1.96
Fuente: Cálculos del autor.
Cuadro 5. Cálculo de la volatilidad con
expectativas adaptativas del precio diario del
Café en Nueva York y Bremen/Hamburgo. 2
de enero de 2007 a 31 de diciembre de 2008.
1. Metodología lognormal
Volatilidad diaria (%) 1.40
2. Metodología EWMA
Volatilidad diaria (%) 1.31
3a. Metodología GARCH: Modelo A
Variable dependiente: Café
Ecuación de varianza
Coefciente Probabilidad
w 6.91E-06 0.02870
a 0.075057 0.00000
b 0.894604 0.00000
Volatilidad diaria (%) 1.51
Metodología GARCH: Modelo B
Variable dependiente: Café
Ecuación de varianza
w 8.86E-06 0.0351
a 0.070534 0.0000
b 0.883245 0.0000
D(LOG(DTF)) -0.000596 0.0512
Volatilidad diaria (%) 1.38
Fuente: Cálculos del autor.
Ecuación 30

Ecuación 31



Ecuación 32


Ecuación 33


Ecuación 34


Ecuación 35



Ecuación 36


Ecuación 37


78
La aplicación de las expectativas racionales permite observar sí la volatilidad de los
rendimientos de los precios de las materias primas agrícolas en el momento t, estarán
infuenciadas por el comportamiento futuro, t+1, de las variables exógenas– ya sean ma-
terias primas o variables macroeconómicas-. Lo anterior se expresa en la ecuación (32):
(32)
La metodología empleada para cálculo de los rendimientos de los precios de las
materias primas agrícolas incluyendo expectativas es la metodología GARCH. A conti-
nuación se presentan los resultados generales de los análisis econométricos y la respec-
tiva ecuación de varianza derivada para cada uno de los productos aquí analizados. Para
el cálculo de la volatilidad se procede como señala la ecuación (21).
Algodón
Su ecuación de varianza determinada por la ecuación (33).
(33)
(31)
La volatilidad del rendimiento del
precio diario del maíz amarillo No. 2 fue
de 2,66%, inferior en 0,18% al modelo sin
variable exógena. Igual que en casos ante-
riores, la relación entre la DTF y las mate-
rias primas analizadas es negativa, por las
razones ya expuestas en algodón.
La volatilidad del rendimiento del pre-
cio del maíz amarillo No.2 es muy sensible
a los cambios en las condiciones del mer-
cado ya que su medida de reacción α fue
superior a 0.1 y la volatilidad tienen poca
persistencia por que β es inferior a 0.9.
3.2.4 Cálculo de la volatilidad del precio de
algunas materias primas agrícolas
con expectativas racionales
En esta sección se va estimar la volatilidad de
las materias primas agrícolas seleccionadas
incluyendo expectativas racionales. La ma-
nera de incluir las expectativas racionales es
rezagando las variables endógenas t perío-
dos en relación con las variables exógenas.
Cuadro 6. Cálculo de la volatilidad con
expectativas adaptativas del precio diario
del Maíz Amarillo No. 2 en puertos del
golfo de EU. 2 de enero de 2007 a 31 de
diciembre de 2008.
1. Metodología lognormal
Volatilidad diaria (%) 2.74
2. Metodología EWMA
Volatilidad diaria (%) 3.37
3a. Metodología GARCH: Modelo A
Variable dependiente: Maíz
Ecuación de varianza
Coefciente Probabilidad
w 6.91E-06 0.02870
a 0.075057 0.00000
b 0.894604 0.00000
Volatilidad diaria (%) 2.84
Metodología GARCH: Modelo B
Variable dependiente: Maíz
Ecuación de varianza
Coefciente Probabilidad
w 8.76E-05 0.0037
a 0.132994 0.0087
b 0.743476 0.0000
DLBRENT -0.002591 0.0097
D(LOG(DTF)) -0.0031 0.0393
Volatilidad diaria (%) 2.66
Fuente: Cálculos del autor.
Ecuación 30

Ecuación 31



Ecuación 32


Ecuación 33


Ecuación 34


Ecuación 35



Ecuación 36


Ecuación 37


Ecuación 30

Ecuación 31



Ecuación 32


Ecuación 33


Ecuación 34


Ecuación 35



Ecuación 36


Ecuación 37


Ecuación 30

Ecuación 31



Ecuación 32


Ecuación 33


Ecuación 34


Ecuación 35



Ecuación 36


Ecuación 37


Ecuación 30

Ecuación 31



Ecuación 32


Ecuación 33


Ecuación 34


Ecuación 35



Ecuación 36


Ecuación 37


79
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
La volatilidad del precio del algodón en el momento t es afectada inversamente
por el comportamiento de la DTF en el momento t+1, y se obtiene una volatilidad de
3,03%. El parámetro α (0,174162) mayor a 0,1 indica que las variaciones del precio del
algodón son sensibles a los cambios en las condiciones del mercado; adicionalmente,
la medida de persistencia β (0,819003) ésta indicando que la volatilidad no permanece
por mucho tiempo.

Azúcar
Con una ecuación de varianza determinada por la ecuación (34).
(34)
En el momento t la volatilidad del precio del azúcar es afectada por la DTF del mo-
mento t+1, presentando una volatilidad de 2,31%, inferior a la evidenciada en el algo-
dón. Hay que anotar que la variabilidad del precio del azúcar presenta una alta medida
de persistencia (0,985864) indicando la permanencia de la volatilidad por un largo pe-
ríodo de tiempo cuando se presenta un choque que afecta el precio del mismo.
Cacao
Su respectiva ecuación de varianza representada por la ecuación (35):
(35)
El precio del petróleo Brent y la DTF en el momento t+1 afectan el comportamiento
de la precio del cacao en el momento t, arrojando una volatilidad de 2,25%. De acuerdo
a las medidas de reacción y persistencia se concluye que el precio del cacao no reaccio-
na rápidamente cuando cambia el mercado y la volatilidad del precio permanece por un
largo periodo de tiempo.
Cuadro 7. Cálculo de la volatilidad con
expectativas racionales del precio diario del
Algodón Índice A (Usc$/lb), en el Lejano
Oriente. 2 de enero de 2007 a 31 de dic. de 2008.
1a. Metodología GARCH
Variable dependiente: Algodón (-1)
Ecuación de varianza
Coefciente Probabilidad
w 6.61E-06 0.0029
a 0.174162 0.0000
b 0.819003 0.0000
D(LOG(DTF)) -0.000458 0.0740
Volatilidad diaria (%) 3.03
Fuente: Cálculos del autor.
Cuadro 8. Cálculo de la volatilidad con
expectativas racionales del precio diario del
Azúcar Mundo en los mayores puertos del
Caribe. 2 de enero de 2007 a 31 de dic. de 2008.
1a. Metodología GARCH
Variable dependiente: Azúcar (-1)
Ecuación de varianza
Coefciente Probabilidad
w 9.18E-06 0.0000
b 0.985864 0.0000
D(LOG(DTF)) -0.002154 0.0044
Volatilidad diaria (%) 2.31
Fuente: Cálculos del autor.
Ecuación 30

Ecuación 31



Ecuación 32


Ecuación 33


Ecuación 34


Ecuación 35



Ecuación 36


Ecuación 37


Ecuación 30

Ecuación 31



Ecuación 32


Ecuación 33


Ecuación 34


Ecuación 35



Ecuación 36


Ecuación 37


80
Café
La representación de la ecuación de varianza para cacao se muestra en la ecuación (36).

(36)
El comportamiento de la volatilidad del precio del café en el momento t es infuen-
ciado inversamente por las variaciones de la DTF en el momento t+2, obteniéndose una
volatilidad de 1,41%. La interpretación de las medidas de reacción y persistencia son
iguales a las expuestas para el algodón.
Maíz
La representación de la ecuación de varianza para maíz esta descrita en la ecuación (37).

(37)
Cuadro 9. Cálculo de la volatilidad con
expectativas del precio diario del Cacao en
Nueva York y Londres. 2 de enero de 2007
a 31 de dic. de 2008.
3c. Metodología GARCH
Variable dependiente: Cacao (-1)
Ecuación de varianza
Coefciente Probabilidad
w 4.86E-06 0.06540
a 0.045555 0.00000
b 0.942209 0.00000
DLBRENT -0.000606 0.02180
D(LOG(DTF)) 0.001007 0.01130
Volatilidad diaria (%) 2.25
Fuente: Cálculos del autor.
Cuadro 10. Cálculo de la volatilidad con
expectativas del precio diario del Café Arabigo
en Nueva York y Bremen/Hamburgo. 2 de
enero de 2007 a 31 de dic. de 2008.
1a. Metodología GARCH
Variable dependiente: Café (-2)
Ecuación de varianza
Coefciente Probabilidad
w 3.17E-05 0.0014
a 0.18195 0.0000
b 0.661692 0.0000
D(LOG(DTF)) - 0. 000995 0.0007
Volatilidad diaria (%) 1.41
Fuente: Cálculos del autor.
Igual que para el caso del cacao,
la volatilidad del precio del maíz en el
momento t es afectada por la DTF y
el petróleo Brent en el momento t+1,
pero con la diferencia de que las varia-
bles exógenas en el caso del maíz afec-
tan la volatilidad del precio de manera
inversa, mientras que para el caso del
cacao la volatilidad del precio sólo es
afectada inversamente por el precio
del petróleo Brent.
Se demostró en los cuadros del 7 al
11 y en las ecuaciones de varianza de la
32 a 37, que la volatilidad de los rendi-
mientos de los precios de las materias
primas agrícolas en el momento t están
influenciadas por las expectativas que
los agentes participantes en los merca-
dos específicos tengan sobre del valor
futuro que se esperan que tomen las va-
riables macroeconómicas o el precio de
otras materias primas.
Para el caso del algodón y azúcar
la expectativa que se tenga sobre la
DTF del periodo siguiente (t+1) afecta
la volatilidad de los rendimientos de
los precios de estas materias primas
en el periodo actual (t). Mientras que
para el café las expectativas futuras
que los agentes tengan sobre el posi-
Ecuación 30

Ecuación 31



Ecuación 32


Ecuación 33


Ecuación 34


Ecuación 35



Ecuación 36


Ecuación 37


Ecuación 30

Ecuación 31



Ecuación 32


Ecuación 33


Ecuación 34


Ecuación 35



Ecuación 36


Ecuación 37


81
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
ble valor que tome la DTF dos pe-
riodos adelante (t+2) influye sobre
la volatilidad del rendimiento del
precio del café en el periodo ac-
tual (t). El último grupo es cacao
y maíz, donde se observo que las
expectativas que se tengan sobre
el posible valor que va ha tomar en
el siguiente periodo (t+1) la DFT y
el crudo Brent influyen sobre las
volatilidades de los rendimientos
de los precios del cacao y el maíz
en el periodo actual (t).
Cuadro 12. Cálculo del Valor en Riesgo (VaR) para un día, con expectativas adaptativas
y racionales a través de diferentes metodologías
Producto
Expectativas adaptativas
Expectativas
racionales
Lognormal EWMA Garch A
a/
Garch B
b/
Garch C
b/
Volatil. VaR Volatil. VaR Volatil. VaR Volatil. VaR Volatil. VaR
Algodón 1.59% $ 2.61 1.52% $ 2.49 2.39% $ 3.92 3.55% $ 5.82 2.31% $ 3.79
Azúcar 2.12% $ 3.48 2.50% $ 4.10 2.20% $ 3.61 2.29% $ 3.76 3.03% $ 4.97
Cacao 1.95% $ 3.20 2.29% $ 3.76 2.47% $ 4.05 1.96% $ 3.21 2.25% $ 3.69
Café 1.40% $ 2.30 1.31% $ 2.15 1.51% $ 2.48 1.38% $ 2.26 1.41% $ 2.31
Maíz 2.74% $ 4.49 3.37% $ 5.53 2.84% $ 4.66 2.66% $ 4.36 2.75% $ 4.51
Fuente: Cálculos del autor. a/ Sin variables exógenas. b/ Con variable (s) exógena (s)
4. cálculo del Valor en rIesgo (Var)
4.1. Cálculo del VaR para Activos Individuales
En el cuadro No.12, se presentan los cálculos del VaR, para las cinco materias primas
seleccionadas, de acuerdo a la ecuación No.18. Suponiendo un monto expuesto de
$100,00, nivel de confanza del 95%, horizonte temporal de un (1) día y las volatilidades
calculadas en los ejercicios anteriores, el cuadro 12 resume la medida del VaR.
Cuadro 11. Cálculo de la volatilidad con
expectativas del precio diario del Maíz
Amarilo No. 2 en puertos del golfo de EU. 2
de enero de 2007 a 31 de diciembre de 2008.
3b. Metodología GARCH
Variable dependiente: Maíz (-1)
Ecuación de varianza
Coefciente Probabilidad
w 6.83E-05 0.0045
a 0.129798 0.0040
b 0.782409 0.0000
D(LOG(DTF)) -0.004949 0.0011
DLBRENT -0.001945 0.0733
Volatilidad diaria (%) 2.75
Fuente: Cálculos del autor.
De acuerdo a los resultados del cuadro 12, se observa que con una volatilidad más
alta se obtiene un mayor VaR. Por ejemplo, la máxima volatilidad diaria de los rendi-
mientos del precio del azúcar (3,03%) se cálculo a través de un modelo GARCH con
variables exógenas rezagadas, y el mayor VaR ($4,97) se obtuvo con esta volatilidad,
lo que signifca que por cada $100,00 del valor diario del azúcar, en un día la pérdida
máxima sería de $4,97, en condiciones cotidianas del mercado.
En el cuadro 13, se presentan los cálculos de la pérdida máxima para las cinco ma-
terias primas seleccionadas, para un horizonte temporal de 10 días.
82
Por activo individual, el mayor VaR lo obtuvo el algodón con una máxima pérdida
de $18,41 en 10 días, es decir, que por cada $100,00 del valor del algodón en 10 días la
máxima perdida sería de $18,41 en condiciones normales del mercado.
4.2. Cálculo del VaR para un Portafolio
El lector recordará que el VaR de un portafolio es menor o igual a la suma de los VaR
individuales, a razón de la diversifcación que se evidencia dentro de un portafolio. Los
cuadros 14 a 18 permiten ejemplifcar esta afrmación. Por ejemplo, en el cuadro 14 se
aprecia que en un escenario hipotético cuando se invierte $100,00 en cada uno de los
activos, la inversión agregada asciende a $500,00, y la suma de los VaR alcanza un valor
de $16,07, equivalente al 3,21% de la inversión total. Sin embargo, cuando un inversio-
nista diversifca su portafolio, las correlaciones entre los rendimientos de los precios de
los activos permiten mitigar parte de esa potencial pérdida. En el cuadro 14 se evidencia
igualmente, que en el mismo escenario de inversión de $500,00, el VaR del portafolio
asciende a $9.65 equivalente al 1,93% de la inversión total.
Cuadro 13. Cálculo del Valor en Riesgo (VaR) para diez (10)dias, con expectativas
adaptativas y racionales a través de diferentes metodologías
Producto
Expectativas adaptativas
Expectativas
racionales
Lognormal EWMA Garch A
a/
Garch B
b/
Garch C
b/
Volatil. VaR Volatil. VaR Volatil. VaR Volatil. VaR Volatil. VaR
Algodón 1.59% $ 8.25 1.52% $ 7.88 2.39% $ 12.39 3.55% $ 18.41 2.31% $ 11.98
Azúcar 2.12% $ 10.99 2.50% $ 12.97 2.20% $ 11.41 2.29% $ 11.88 3.03% $ 15.71
Cacao 1.95% $ 10.11 2.29% $ 11.88 2.47% $ 12.81 1.96% $ 10.16 2.25% $ 11.67
Café 1.40% $ 7.26 1.31% $ 6.79 1.51% $ 7.83 1.38% $ 7.16 1.41% $ 7.31
Maíz 2.74% $ 14.21 3.37% $ 17.48 2.84% $ 14.73 2.66% $ 13.80 2.75% $ 14.26
Fuente: Cálculos del autor. a/ Sin variables exógenas. b/ Con variable (s) exógena (s)
Cuadro 14. Cálculo del Valor en Riesgo (VaR) para un día, comparativo de VaR
individual y VaR del Portafolio con volatilidad Lognormal
PRODUCTO MONTO
INDIVIDUALES PORTAFOLIO
Volatilidad
Lognormal VaR
Volatilidad
Lognormal VaR
Azúcar $ 100.00 2.12% $ 3.48
1.18% $9.65
Algodón $ 100.00 1.59% $ 2.61
Cacao $ 100.00 1.95% $ 3.20
Café $ 100.00 1.40% $ 2.30
Maíz $ 100.00 2.74% $ 4.49
SUMAS $ 500.00 $ 16.07 $ 9.65
Fuente: Cálculos del autor.
El cuadro 14 presenta los cálculos de VaR individual y del portafolio cuando se asu-
me que las volatilidades de los precios de los activos individuales siguen un patrón tipo
lognormal. Por su parte, el lector observara que el cuadro 15 asume que la volatilidad
sigue un proceso EWMA, mientras que los cuadros 16 al 18 asumen volatilidades deter-
minadas por metodologías GARCH con sus respectivas características.
83
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
El cuadro 15, cuando se emplea la volatilidad calculada por el método EWMA,
muestra que el efecto diversifcación del portafolio reducen el VaR de $18,02 a $12,22,
mientras que el cuadro 16, cuando se emplea la metodología GARCH, permite apreciar
que la reducción en el VaR es de $7,96, al pasar de $18,71 a $10,75.
Cuadro 15. Cálculo del Valor en Riesgo (VaR) para un día, comparativo de VaR
individual y VaR del Portafolio con volatilidad EWMA
PRODUCTO MONTO
INDIVIDUALES PORTAFOLIO
Volatilidad
EWMA VaR
Volatilidad
EWMA VaR
Azúcar $ 100.00 1.52% $ 2.49
1.49% $12.22
Algodón $ 100.00 2.50% $ 4.10
Cacao $ 100.00 2.29% $ 3.76
Café $ 100.00 1.31% $ 2.15
Maíz $ 100.00 3.37% $ 5.53
SUMAS $ 500.00 $18.02 $12.22
Fuente: Cálculos del autor.
Cuadro 16. Cálculo del Valor en Riesgo (VaR) para un día, comparativo de VaR
individual y VaR del Portafolio con volatilidad GARCH sin variables Exógenas.
PRODUCTO MONTO
INDIVIDUALES PORTAFOLIO
Volatilidad
GARCH A
a/
VaR
Volatilidad
GARCH A
a/
VaR
Azúcar $ 100.00 2.39% $ 3.92
1.31% $10.75
Algodón $ 100.00 2.20% $ 3.61
Cacao $ 100.00 2.47% $ 4.05
Café $ 100.00 1.51% $ 2.48
Maíz $ 100.00 2.84% $ 4.66
SUMAS $ 500.00 $18.71 $10.75
Fuente: Cálculos del autor. a/ Sin variables exógenas.
El cuadro 17, cuando se emplea la metodología GARCH con variables exógenas sin
rezagar, muestra la mayor volatilidad en comparación con las restantes metodologías
aquí empleadas. Esto es equivalente a señalar que el VaR con esta metodología es el
más alto, llegando a $12.52, con una volatilidad de 1.53%.
Cuadro 17. Cálculo del Valor en Riesgo (VaR) para un día, comparativo de VaR
individual y VaR del Portafolio con volatilidad GARCH con variables Exógenas.
PRODUCTO MONTO
INDIVIDUALES PORTAFOLIO
Volatilidad
GARCH A
a/
VaR
Volatilidad
GARCH A
a/
VaR
Azúcar $ 100.00 3.55% $ 5.82
1.53% $12.52
Algod6n $ 100.00 2.29% $ 3.76
Cacao $ 100.00 1.96% $ 3.21
Café $ 100.00 1.38% $ 2.26
Maíz $ 100.00 2.66% $ 4.36
SUMAS $ 500.00 $19.42 $12.52
Fuente: Cálculos del autor. a/ Con variable (s) exógena (s)
84
Finalmente, el lector observará que en todas las tablas, la volatilidad del portafolio es
para todos los casos es menor al promedio de las volatilidades individuales del precio de los
activos. Este hecho se evidencia en el proceso de diversifcación del portafolio, donde las
correlaciones de los rendimientos de los precios de los activos permiten un efecto compen-
sación con correlaciones negativas que reducen la volatilidad agregada del portafolio.
5. estrategIas para la gestIón de rIesgos de
mercado en los mercados bursátIles
En el mercado de futuros de las materias primas hay diferentes tipos de inversionistas o
participantes. Entre ellos se encuentran quienes se cubren contras las volatilidades en el
mercado (conocidos como Hedgers), los especuladores y los que realizan arbitraje. Los in-
versionistas participantes se enfrentan a un tipo de mercado específco (materias primas),
que se diferencian de los activos de capital
17
– como la fnca raíz, los bonos ó las accio-
nes- por que no generan fujos continuos de efectivo. En síntesis, el valor de las materias
primas no se puede determinar por un método como el valor presente neto, sino por el
comportamiento de la oferta y la demanda de mercado. Fabozzi, Füss y Kaiser (2008).
Siguiendo a los autores, las formas más representativas para invertir en el mercado
de las materias primas son:
“(1) inversión directa en bienes físicos; (2) inversión indirecta en existencias de com-
pañías de recursos naturales o (3) fondos mutuos de materias primas; (4) inversiones
en futuros de materias primas, o (5) una inversión en productos estructurados sobre
índices de futuros de materias primas”. Fabozzi, Füss y Kaiser (2008, pág.10).
De acuerdo con Fabozzi, Füss y Kaiser (2008), entre los principales índices sobre
futuros de materias primas se encuentran:
17 Para ampliar, ver numeral 2.1 de este documento.
Cuadro 18. Cálculo del Valor en Riesgo (VaR) para un día, comparativo de VaR individual
y VaR del Portafolio con volatilidad GARCH sin variables Exógenas resagadas.
PRODUCTO MONTO
INDIVIDUALES PORTAFOLIO
Volatilidad
GARCH A
a/
VaR
Volatilidad
GARCH A
a/
VaR
Azúcar $ 100.00 2.31% $ 3.79
1.42% $11.62
Algod6n $ 100.00 3.03% $ 4.97
Cacao $ 100.00 2.25% $ 3.69
Café $ 100.00 1.41% $ 2.31
Maíz $ 100.00 2.75% $ 4.51
SUMAS $ 500.00 $19.27 $11.62
Fuente: Cálculos del autor. a/ Con variable (s) exógena (s)
85
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
• Goldman Sachs Commodity Index (GSCI).
• Reuters/ Jeferies Commodity Research Burue (RJ/CRB).
• DowJones/ AIG Commodity Index (DJ-AIGGI).
Igualmente, Fabozzi, Füss y Kaiser (2008) señalan que algunas de las mayores Bol-
sas del mundo donde se transan materias primas son:
• Chicago Board of Trade (CBOT).
• Chicago Mercantile Exchange (CME).
• New York Mercantile Exchange (NYMEX).
• Intercontinental Exchange (ICE).
• Tokyo Commodity Exchange (TOCOM).
• Braziliam Mercantile and Futures Exchange BM&F.
En Colombia, se encuentra la Bolsa Nacional Agropecuaria (BNA) donde actual-
mente se realizan transacciones sobre contratos de algunas materias primas
18
.
De este modo, las estrategias que tienen los agentes para gestionar el riesgo en el
mercado de materias primas agrícolas, y en general en cualquier otro mercado de ma-
terias primas, se sustenta de manera fundamental en la negociación de instrumentos
fnancieros ofertados en los mercados bursátiles locales y/o globales.
En el cuadro 19, presenta algunos tipos de negociaciones con materias primas re-
alizadas en Chicago Mercantile Exchange que ofrecen instrumentos para la gestión de
riesgo de mercado principalmente.
18. Sitio web: www.bna.com.co
Cuadro 19. Algunas negociaciones de productos básicos en
hicago Mercantile Exchange.
PRODUCTO TIPOS DE CONTRATOS
Arroz paddy Futuros y opciones
Avena Futuros y opciones
Cerdo faco Futuros y opciones
Ganado gordo Futuros y opciones
Ganado en pie Futuros y opciones
Mantequilla Futuros y opciones
Maíz Futuros, opciones y swaps
Leche Futuros y opciones
Pulpa de madera Futuros y opciones
Trigo Futuros, opciones y swaps
Soya Futuros, opciones y swaps
Sueros de leche Futuros y opciones
Fuente: Chicago Mercantile Exchange
86
Finalmente, luego de comparar las diferentes metodologías para el cálculo de la
volatilidad de los rendimiento del precio de los activos y mirar su infuencia en el cálculo
del VaR tanto en activos individuales como en portafolios, es posible concluir que un
inversionista que tome decisiones permanentemente en los mercados, tiende a cor-
regir sus pronósticos del comportamiento de los precios de las materias primas, y por
lo tanto de sus rendimientos, observando las tendencias (Expectativas Racionales) de
variables exógenas como la TRM, la DTF o el precio del petróleo en sus cálculos.
Por lo anterior, es altamente recomendado que los agentes estimen volatilidades
de los rendimientos de los precios de las materias primas agrícolas, y en general de cu-
alquier otro activo de inversión, por medio de modelos GARCH que permitan incorporar
variables exógenas rezagadas para recoger el efecto de las expectativas racionales.
6. conclusIones y recomendacIones
• No existe evidencia para rechazar la hipótesis, mencionada en la introducción,
ya que para realizar un cálculo consistente de la volatilidad del precio de una
materia prima especifca, se requiere incluir el comportamiento futuro o las ex-
pectativas que los agentes participantes del mercado tengan sobre el posible
valor que tome la variable exógena.
• Para el período seleccionado, se encontró que la volatilidad de los rendimien-
tos de los precios diarios del algodón y el maíz reaccionan fácilmente a las va-
riaciones o cambios en el mercado, mientras que para el azúcar, cacao y el café
arábiga la volatilidad de los rendimientos de los precios diarios no reaccionan
fácilmente a las fuctuaciones o cambios en el mercado.
• Cuando se presentan un choque y aumenta la volatilidad de los rendimientos
de los precios diarios, esta tiene una medida de persistencia baja en el tiempo
para el caso del maíz y el algodón, mientras que para el azúcar y el café el cho-
que tiene una persistencia en la volatilidad por un largo período. Para el caso
del cacao, el resultado de la medida de persistencia es ambiguo.
• Al incluir variables exógenas, se observó que siempre existe una relación inver-
sa entre la volatilidad de los rendimientos de los precios de las materias primas
y la volatilidad de los rendimientos de los precios de las variables exógenas
para el cálculo de la volatilidad con expectativas adaptativas.
• Al incluir expectativas racionales en las variables exógenas para pronosticar
las volatilidades, se concluyó que el valor futuro que los agentes del mercado
esperan que tomen la o las variables exógenas en el periodo siguiente (t+1)
afectan la volatilidad de los rendimientos del precio de las materias primas en
el periodo actual (t).
• Es muy importante que los agentes participantes en el mercado de materias
primas identifquen, a través de las metodologías presentadas para el cálculo
o pronostico de la volatilidad, las variables macroeconómicas u otras materias
primas (las energéticas) que hacen más sensible el precio del producto con el
cual están negociando.
• Se mostró que el VaR de activos individuales es una medida que depende fuer-
temente de la volatilidad de los rendimientos de los precios de los activos.
87
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Igualmente, la temporalidad permitió observar que cuando se contemplan
plazos más alejados del momento actual, el VaR crece de manera importante.
• El VaR del portafolio mostró que el efecto diversifcación redujo en todos los
casos las perdidas máximas en condiciones normales del mercado. Dicha di-
versifcación obedece al deseo de minimización de riesgo que tienen los inver-
sionistas, por lo que negocian instrumentos fnancieros en los principales mer-
cados bursátiles del mundo con el fn de mitigar o gestionar adecuadamente el
riesgo en el mercado de materias primas agrícolas.
biblioGrafía
ADAMS Zeno, Füss Roland y Kaiser Dieter G.. “Macroeconomics Deter-
minants of Commodity Futures Returns”, en The Handbook of
Commodity Investing, capítulo 4. Primera edición, publicado por
John Wiley & Sons, Inc., Hoboken, New Jersey, 2008.
ALEXANDER Carol. “ Practical Financial Econometrics”. John Wiley &
Sons, Ltd, 2008.
ANSON Mark J.P, “The Pricing and Economics of Commodity Futures”,
en The Handbook of Commodity Investing, capítulo 2. Primera
edición, publicado por John Wiley & Sons, Inc., Hoboken, New
Jersey, 2008.
ARANGO Luis E., Arias Fernando y Flóres Luz A.. “ Trends, Fluctuations,
and Determinants of Commodity Prices”, en Borradores de Eco-
nomía, No.521, Banco de la República 2008.
ARGANDOÑA Antonio, Gamez Consuelo y Mochón Francisco. “La Mo-
delización de las Expectativas: Introducción a las Expectativas Ra-
cionales”, en Macroeconomía Avanzada, capítulo 1. McGraw- Hill,
Buenos Aires, 1996.
BAILEY Warren y Chan K.C. “ Macroeconomic Infuences and the Varia-
bility of the Commodity Futures Basis” en The Journal of Finance,
vol.48, No.2, junio 1993, pág 555-573.
BAILLIE Richard, “Modeling Volatility”, en Palgrave Handbook of Eco-
nometrics, vol.1, Palgrave Macmillan, 2007, editado por; Mills C.
Terence y Patterson Kerry. pág 737-764.
BAILLIE Richard T. y Myers Rober J., “Bivariate Garch Estimation of the
Optimal Commodity Futures Hedge”, en Journal of Applied Eco-
nometrics, vol.6, 1991, pág 109-124.
BANCO MUNDIAL, publicación “Global Economics Monitor”, marzo de
2009.
BOLLERSLEV Tim y Engel Robert. “ Common Persistence in Common Va-
riances”, en Econometrica, Vol. 61, No. 1 (Jan.,1933), pág. 167-186.
CASAS Martha y Cepeda Edilberto. “Modelos ARCH, GARCH y EGARCH:
Aplicaciones a Series Financieras”, Cuadernos de Economía, vol.
XXVI, No.48, Bogotá, pág 287-919.
CASHIN Paul, McDermont y Scott Alasdair. “The Myth of Comoving
Commodity Prices”. En working Paper 99/169, publicado por el
Fondo Monetario Internacional, diciembre de 1999.
DEATON Angus y Laroque Guy. “On the Behaviour of Commodity Pri-
ces”, en The Review of Economic Studies, vol. 59, No.1, 1992,
pág.1-23.
88
DEB Partha, Trivedi Pravin K. y Varangis Panayotis. “ The Excess Co-mo-
vement of Commodity Prices Reconsidered” en Journal of Applied
Econometrics, vol 11, No. 3 (may- jun 1996), pág 275-291.
ENGEL Robert. “GARCH 101: The Use of ARCH/GARCH Models in Applied
Econometrisc”, en The Jorunal of Economic Perspectives, vol. 15,
No.4 (Autumn, 2001), pág.157-168.
FABOZZI Franz J., Füss Roland y Kaiser Dieter G.. “A Primer on Commo-
dity Investing”, en The Handbook of Commodity Investing, ca-
pítulo 1. Primera edición, publicado por John Wiley & Sons, Inc.,
Hoboken, New Jersey, 2008.
FRANKEL A., Jefrey.“ The Efect of Monetary Policy on Real Commodity
Prices”. NBER Working Paper 12713, diciembre de 2006.
GILBERT Chistopher L. “Tendencias y Volatilidad en Precios de los
Commodities Agrícolas”. Documento traducido al español por
Marcela Cabal. Documento preparado para el simposio “ State of
Research and Future Directions in Agricultural Commodity Mar-
kets and Trade “, Roma, diciembre de 2003. Se encuentra disponi-
ble en la siguiente dirección web: URL: http://www.cafedecolom-
bia.com/documents/Articulo%208%20(pag%2041-61).pdf
MORGAN J.P. / Reuters. “ Risk Metrics
TM
– Technical Document”. Cuarta
edición, Nueva York, 1996.
NOUREDDINE Krichene. “Recent Infationary Trends in World Commodi-
ties Markets”. En Working Paper 08/130, Fondo Monetario Inter-
nacional, mayo de 2008.
YINQIU Lu y Salih, Nefcti. “Financial Instruments to Hedge Commodity
Price Risk for Developing Countries”. Working paper 08/6, Fondo
Monetario Internacional, enero de 2008.
NELSON Daniel B. “Conditional Heteroskedasticity in Asset Returns: A
New Approach”, en Arch Selected Readings editado por Robert
Engle, Oxford University Press, 1995.
PINDYCK Robert S. y Rotemberg Julio J., “ The Excess Co- movement of
Commodity Prices”, en The Economic Journal, vol 100, diciembre
1990, pág. 1173-189.
SARGENT Thomas J. “Las Expectativas Racionales y la Reconstrucción
de la Macroeconomía”, en Expectativas Racionales e Infación, ca-
pítulo 1. Madrid: Alianza Editorial, 1989
SARGENT Thomas J. “ Rational Expectations.” The New Palgrave Dictio-
nary of Eocnomics. Second Edition. Eds. Steven N. Durlauf and
Lawrence E. Blume. Palgrave Macmillan, 2008.
The Economist. Economist Intelligence Unit, “World Commodity Fore-
casts” varias publicaciones, 2007 y 2008.
89
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
capÍtulo 3.
análIsIs de rIesgos en entIdades fInancIeras
dIrIgIdas al sector agropecuarIo
Mariana F. Ospina Bohórquez
Lorena Prieto Cruz
John Jairo Roa Prieto
RESUMEN
E
ste documento identifica, mide y evalúa los riesgos financieros
de una cartera crediticia orientada al sector arrocero, emplean-
do metodologías propias de los Riesgos Financieros, métodos eco-
nométricos y teoría de la incertidumbre. Al final se encuentra que
la entidad financiera que otorga créditos al sector arrocero tiene
bajo riesgo de crédito (6.34% de probabilidad de pérdida de carte-
ra), bajo riesgo de mercado (entre 1.79% y 3.13% de volatilidad en
sus ingresos operacionales), ausencia de riesgo de liquidez y relati-
vamente baja probabilidad de riesgo operacional, razón por la cual
se puede calificar cartera sana a pesar de su elevado y creciente
nivel de cartera con el sector.
90
ABSTRACT
This document identifes, measures and evaluates the fnancial
risk of a credit portfolio oriented rice sector using proper meth-
ods of Financial Risk analysis and econometric analysis under
uncertainty theory framework. This investigation fnds that the f-
nancial institution that provides credit to the rice sector has a low
credit risk (6.34% probability of a portfolio loss); low market risk
(between 1.79% and 3.13% operational income volatility); absence
of liquidity risk and relatively low probability of operational risk,
which is why healthy portfolio can be described despite their high
and growing level portfolio with the fnancial sector.
PALABRAS CLAVE: administración del riesgo, sector arrocero,
análisis y medición del riesgo fnanciero, teoría de la incertidum-
bre, riesgo de mercado, riesgo de crédito, riesgo de liquidez, ries-
go operacional.
KEY WORDS: risk management, rice sector, analysis and mea-
surement of fnancial risk, uncertainty theory, market risk, credit
risk, liquidity risk, operational risk.
CLASIFICACIÓN JEL: C10, C51, D81, G29, L79, N26, N56, Q14.
91
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
1. IntroduccIón
El riesgo fnanciero, y los riesgos en general, nacen de la incertidumbre de realización
de eventos futuros. No es posible saber si un cliente pagará una deuda, si el mercado
se moverá en tal magnitud que logre derivar perdidas para las organizaciones, si los
pasivos de corto plazo pueden ser respaldados con activos líquidos, y si existe la posi-
bilidad de que una organización incurra en perdidas por fallas en las personas o los sis-
temas de la organización. En este punto, se evidencia la necesidad de identifcar, medir
y controlar los riesgos derivados de la realización de posibles sucesos que perjudican la
organización.
1.1 Problema a Estudiar
Una entidad crediticia representativa
1
con cartera para el sector arrocero, ha mantenido
un amplio historial de otorgamiento crediticio a un sector agrícola sometido a volatilidad.
A pesar de las grandes magnitudes monetarias que le adeuda al sector arrocero, los ca-
lifcadores de riesgo clasifcan a esta entidad como segura debido al adecuado compor-
tamiento del pago de las obligaciones de los deudores. Este hecho radica en la adecuada
administración del riesgo fnanciero con el que cuenta la organización fnanciera.
Sin embargo, la administración de riesgos fnancieros de la entidad crediticia re-
presentativa direccionada al sector arrocero, hace referencia principalmente a los ries-
gos de crédito, riesgo de mercado, riesgo de liquidez y riesgo operacional. Los riesgos
institucionales derivados del proceso asociativo y los riesgos económicos no son ex-
plícitamente administrados por medio de políticas organizacionales que mitiguen su
impacto en caso de darse un evento adverso al funcionamiento de la organización. Es
evidente que la actividad del proceso asociativo depende en gran medida de las condi-
ciones económicas del país y del quehacer de la política arrocera como uno de los ejes
centrales del diseño de lineamientos de los planes y programas tendientes al desarrollo
del mercado. Este riesgo no es fácil de medir, pero la inteligencia del sistema fnanciero
colombiano evalúa criterios de las entidades que otorgan créditos al sector arrocero,
que consideran necesarios para la evaluación del cliente como sujeto de crédito. Esto
es, la evaluación de los riesgos de crédito, mercado, liquidez y operacional.
1.2. Importancia de la Investigación
La importancia del análisis de la administración de riesgos fnancieros para la entidad
crediticia representativa lleva a la identifcación de factores de competitividad del sec-
tor, para que éstos se fortalezcan y/o mejoren en caso de ser posible. No se debe olvidar
que la entidad crediticia representativa debe ser una institución fuerte que promueva
el desarrollo del mercado arrocero en escenarios técnicos y comerciales. Por esto, si la
entidad crediticia representativa es una entidad robusta en términos fnancieros, con
1 Se hace referencia a una Organización con actividades crediticias para el sector agrícola en general y arrocero
en particular. Con el fn de preservar la confdencialidad de la fuente de información, no se revela la fuente de
información, sin alterar el objetivo de la investigación, por su carácter exclusivamente teórico.
92
solidez y presencia nacional, entonces los ciclos económicos del cultivo la afectarán
cada vez en menor medida, por su adecuada gestión del riesgo.
1.3. Hipótesis y Resultados Esperados
El empleo de estas herramientas permitirá llegar a la medición de los riesgos fnancie-
ros a los que se ve sometida la entidad crediticia representativa.
La entidad crediticia representativa es una entidad fnanciera sólida debido al re-
ducido riesgo fnanciero que presentan sus deudores, razón por la cual, mantiene
créditos de corto y largo plazo a los productores, lo que ha permitido mantener la
liquidez del sector.
1.4. Metodología
Para la identifcación y medición de los riesgos, en el presente documento se utilizan
una serie de modelos econométricos. Primero, para la medición del riesgo de crédito
se emplearan modelo discretos (Logit - Probit), que trabajan con variables dicotómicas
y permiten el cálculo de probabilidades de realización de un evento (no pago de las
deudas por parte de los deudores ó fallas humanas en la realización de tareas). Por otro
lado, se emplearán modelo de heterocedasticidad condicionada (GARCH), para medir
la volatilidad de los precios de los productos comercializados por los deudores. Final-
mente, para la medición del riesgo de liquidez se empleará una prueba de Cointegra-
ción como instrumento de medición. Cada una de las mediciones llevará su respectivo
análisis y conclusiones derivadas del proceso.
Igualmente, la teoría de los riesgos fnancieros y la incertidumbre darán norte al
empleo de las técnicas econométricas y su interpretación.
2. fundamentacIón teórIca
El análisis de la elección en ambientes de incertidumbre tiene sus primeras aproxima-
ciones en la teoría microeconómica y en la teoría estadística de la probabilidad, que
en escenarios independientes han desarrollado un cuerpo de explicaciones coherentes
que dan tratamiento detallado a los riesgos y las oportunidades que tienen los agentes
(individuos) en el proceso de toma de decisiones cuando los resultados dependen en
gran medida de las leyes del azar.
Sin embargo,
“los trabajos de investigación sobre la medición de los riesgos… son actividades que
en muy poco tiempo han experimentado un crecimiento espectacular; tanto así, que
hace siete u ocho años no existía, de forma generalizada, nada parecido a lo que hoy
llamamos <Sistema de medición de riesgos>” (Vilariño, 2001, Página IX).
93
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Tanto el desarrollo de un cuerpo teórico, como el desarrollo de un amplio espectro
de aplicaciones han sido desarrolladas por economistas y estadísticos profesionales del
sistema fnanciero mundial. En este sentido, el contexto de análisis teórico y aplicación
de riesgos se debe al sistema fnanciero, que ha propiciado el ambiente para que se
analicen escenarios en los cuales actúan los bancos: ambientes de riesgo e incertidumbre.
2.1. Riesgo e Incertidumbre
Generalmente la teoría microeconómica hace un arduo tratamiento a la elección rea-
lizada por los consumidores en escenarios de incertidumbre. En este sentido, enfocan
su atención al análisis de la aversión al riesgo y utilidad esperada asignándole un impor-
tante papel a la probabilidad de ocurrencia de eventos inciertos, que, en un contexto
de maximización, afecta positivamente o negativamente la utilidad del consumidor, ya
que la adquisición de un bien no garantiza ningún resultado determinado.
De acuerdo con Nicholson,
“El estudio de la conducta individual en condiciones de incertidumbre y el estudio ma-
temático de la probabilidad y la estadística tienen un origen histórico común en el in-
tento de comprender los juegos de azar” (Nicholson, 1997, Pág. 165).
Cuando un individuo realiza una elección, en realidad esta jugando con variables des-
conocidas que determinan la verdadera utilidad del bien. Un ejemplo de ello es la calidad
del bien, la aceptación del bien por parte de su organismo, entre otras. Por ello, la proba-
bilidad de ocurrencia del evento y la ganancia que obtendría el individuo con dicho evento
han conducido el análisis al concepto de valor esperado, que no es más que la probabili-
dad de ocurrencia del evento por la ganancia que se derivaría de dicho evento.
Por otro lado, la teoría de la frma incorpora el análisis de la incertidumbre por me-
dio de la teoría de juegos. De acuerdo con Monsalve,
“La teoría de las decisiones interactivas… analiza, básicamente, la toma de decisiones
racionales… en las cuales dos o más agentes, considerando las POSIBLES acciones
de sus oponentes, deben tomas decisiones en el esfuerzo por obtener las máximas
ganancias posibles” (Monsalve, 2004, Pág. 1).
Generalmente, los agentes son empresarios que deben tomar decisiones en con-
textos en los cuales se conoce información parcial o incompleta de las posibles acciones
de los demás agentes que interactúan en el proceso y que por tanto afectan los resulta-
dos del juego y en esta medida la maximización de los benefcios de la frma.
Un tercer escenario en el cual la teoría microeconómica tradicional incorpora la teo-
ría de la incertidumbre y el riesgo en las elecciones de los agentes, tiene fundamento en
la teoría de la regulación y la elección pública. Con la identifcación de fallas del merca-
do, los gobiernos han tendido a diseñar mecanismos en los cuales pretender mitigar el
efecto de las fallas del mercado. Sin embargo, en el diseño y aplicación de las políticas
tendientes a contrarrestar los efectos de las fallas del mercado, se presenta un proble-
ma de selección adversa en el cual, como los gobiernos no conocen perfectamente a
los agentes regulados, les otorgan un trato homogéneo castigando a los agentes eco-
nómicos que no generan fallas de mercado, y por otro lado, subvalorando la magnitud
94
de las fallas de mercado de los agentes que las generan. Este escenario de información
asimétrica, en el cual los reguladores no conocen la información perfecta de la forma
como operan los agentes económicos, lleva a la aplicación de políticas regulatorias que
pueden llevar a la consolidación de las fallas del mercado o a la desaceleración de la
actividad económica.
Igualmente existe riesgo e incertidumbre en escenario en los cuales los agentes
económicos privados (frmas y consumidores), interactúan, pero sus elecciones depen-
den de variables exógenas al proceso de elección. Un escenario de este tipo se encuen-
tra cuando, un ahorrador (consumidor 1) lleva sus ahorros a un banco y los deposita
como mecanismo de reserva de valor. El banco (frma), puede garantizar o no la devolu-
ción de los recursos al ahorrador, pero dicha decisión no depende de si mismo, sino de
un tercer agente. El tercer agente tomador de recursos del sistema bancario (consumi-
dor 2) puede decidir, una vez ha retirado los recursos del sistema fnanciero, regresar o
no dichos recursos al banco para que éste los regrese al consumidor 1. En este sentido,
los tres agentes asumen riesgo por la incertidumbre que genera el pago o no de las
obligaciones bancarias por parte del agente 2. La utilidad de los tres agentes (valor es-
perado de la utilidad) se ve afectado por la probabilidad de que la elección del agente 2
sea pagar o no sus obligaciones bancarias.
En todos los escenarios en los cuales se incorpora el análisis del riesgo y la incer-
tidumbre a la elección de los individuos, la microeconomía tradicional, y los avances
recientes de la teoría microeconómica, fundamentan toda la estructura teórica y las
conclusiones derivadas de ella, en el concepto elemental de probabilidad.
De acuerdo con Canavos, “La probabilidad es un mecanismo por medio del cual pue-
den estudiarse sucesos aleatorios…” (Canavos, 1988. Página 28). En un contexto econó-
mico amplio, los sucesos aleatorios (teoría de la incertidumbre) a los que se ve someti-
do un agente económico lleva a que este tome decisiones que son racionales en función
de los resultados esperados de la realización de ciertos eventos. Se puede pensar por
ejemplo que dentro de las decisiones de un banco, es necesario tomar la decisión de a
quien prestarle recursos, cuando prestar, que tipo de portafolios constituir, que tipo de
proveedores y acreedores tener como clientes, que tipo de empleados contratar o no,
etc., ya que cada una de estas elecciones implica un resultado favorable o no, en cierto
grado, para el banco. Si los resultados de las elecciones de los bancos no son favorables,
podrá asumir riesgos que no le permitan maximizar los benefcios como agente racio-
nal, o simplemente le reduzcan signifcativamente los benefcios.
Sin duda alguna, el fascinante mundo del riesgo y la incertidumbre llevan al arduo
estudio de la probabilidad como una primera aproximación al estudio de sucesos alea-
torios que afectan el resultado de las decisiones económicas aparentemente racionales.
Igualmente, relajar el supuesto de la microeconomía tradicional de ceteris paribus (todo lo
demás constante), implica la inmediata aceptación de un amplio componente de incerti-
dumbre en el proceso de elección racional de los agentes económicos (frmas y consumi-
dores), ya que la diversidad de factores que afectan los resultados de una elección están
regidos por los sucesos aleatorios en los que se desempeña el mundo económico.
2.2. Riesgo de Crédito
En un contexto fnanciero, la defnición más sencilla de riesgo de crédito afrma que
“el riesgo de crédito es la probabilidad de que una entidad incurra en perdidas generadas
95
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
por el incumplimiento de las obligaciones contractuales de la contraparte” (Jorion, 2002,
Página 433). El sistema fnanciero puede incurrir en perdidas cuando sus deudores no
cumplen con sus obligaciones bancarias o simplemente cuando cumplen imperfecta-
mente éstas.
De acuerdo con Jorion, los sistemas de medida del riesgo de crédito intentan cuan-
tifcar el riesgo de pérdida debido al incumplimiento de la contraparte. La distribución
del riesgo de crédito puede ser vista como un proceso compuesto por las siguientes
variables (Jorion 2002, Páginas 437-438):
1. Default (incumplimiento), es el estado discreto de la contraparte – si la contraparte
cumple o no sus obligaciones bancarias.
2. Credit Exposure (Exposición Crediticia) también llamado exposición al incumpli-
miento (EAD), es el valor de la demanda al momento que la contraparte incumple.
3. Loss Given Default (Pérdida dado el incumplimiento), representa la fracción perdida
debido al incumplimiento. Por ejemplo, si se toma una situación donde el resultado
del incumplimiento a una tasa de recuperación (Fraccional Recovery Rate) es solo del
30%, la perdida por incumplimiento es entonces el 70% de la exposición crediticia.
En el proceso de medición del riesgo de crédito infuyen tres variables. La primera
hace referencia a la probabilidad de que un deudor incumpla sus obligaciones fnancieras.
El resultado es evidentemente un suceso aleatorio que distribuye como una Bernoulli. Si
se tienen 100 individuos, algunos decidirán pagar y otros no sus obligaciones fnancieras.
La segunda hace referencia al monto expuesto, esto es la cantidad de dinero que debe el
deudor al banco. La tercera variable hace referencia a la perdida del banco dado el incum-
plimiento real, esto es, que si el deudor en un momento del tiempo decide no continuar
con los pagos periódicos al sistema fnanciero, y su deuda en ese momento de incumpli-
miento es de 70 pesos, pero luego de un arduo cobro por parte del banco, se logra recupe-
rar 42 pesos, la tasa real de perdida es del 40% del monto expuesto.
Cuando un sistema fnanciero o entidad crediticia tiene N agentes tomadores de
préstamos, la pérdida agregada se defne únicamente como la suma de las pérdidas in-
dividuales dado el incumplimiento para cada uno de los agentes. La ecuación (1) mues-
tra en forma simplifcada el proceso de agregación de la perdida crediticia esperada CL
(Jorion, 2002, Página 441).
(1)
Donde:
i
ρ = es una variable aleatoria (Bernoulli) que toma valores de 1 en caso de incum-
plimiento (default) y cero en otro caso, con una probabilidad
i
p
.
CE
i
= es el crédito expuesto (monto expuesto) al tiempo de incumplimiento.
i
b = es la tasa de recuperación, ó ( )
i
b − 1 es la pérdida dado el incumplimiento
(default)
En teoría, todas estas pueden ser variables aleatorias. Pero se debe asumir que solo
la variable aleatoria es
i
b (incumplimiento ó default). En este sentido, la inclusión del
( )
¿
=
÷ =
N
i
i i i
b CE CL
1
1 * * µ
( ) ( ) x y y 1 Pr = = E
( ) ( ) ( )
( ) | |
|
| u
i i
i
X X
X
i i
e e
e
X Y F X Y P
÷
+
=
+
= A = = =
1
1
1
; 1
t
L
i
i i
q
i
i t i
P
i
i t i t
D Y T Y c o c u | ¸ | + + + + + =
¿ ¿ ¿
= =
÷
=
÷
1 1 1
0 0
( )
t
iid
t
h N , 0 ÷ c
¿ ¿
=
÷
=
÷
+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
o c o o
¿ ¿
= =
÷ ÷
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
| o
o
o
¿ ¿
= =
÷ ÷
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
| o
o
o
( )
t t t t
Y X X c | | o µ + + + =
÷ ÷ 1 2 1 1 1 1
( )
t t t t
Y X Y c | | o µ + + + =
÷ ÷ 1 2 1 1 2 2
96
concepto de probabilidad lleva a califcar a la pérdida como pérdida esperada, ya que
ésta depende de la ocurrencia del evento que es un suceso aleatorio.
La medición del riesgo de crédito es importante en cuanto a que encuentra el valor
teórico al cual se está en riesgo, y dado que la probabilidad de incumplimiento siempre
esta latente, son las entidades bancarias las responsables de adoptar las políticas para
reducir el impacto de las pérdidas (diseñar las estrategias para la maximización de sus
benefcios dado el incumplimiento).
De acuerdo con la Superintendencia Financiera de Colombia, es importante y obli-
gatorio que los bancos realicen el cálculo de las pérdidas esperadas (defnidas como
la suma de las pérdidas individuales de los tomadores de préstamos dado el incum-
plimiento de sus obligaciones bancarias), ya que en caso de que se incumplan las obli-
gaciones fnancieras, son los ahorradores los que ven en riesgo sus recursos. En este
sentido, para proveer un escenario de estabilidad y seguridad del sistema fnanciero,
los bancos deben calcular las pérdidas esperadas con el fn de crear un fondo que so-
porte los montos que se encuentran en riesgo de exposición, y de este modo asegurarle
al ahorrador que tiene la capacidad de responder por sus ahorros a pesar de que los
deudores incumplan sus obligaciones.
Dentro de la regulación fnanciera en Colombia, la Superintendencia Financiera,
en el capítulo II de la circular 100 obliga a los banco a identifcar, medir y controlar el
riesgo de crédito, de modo que se generar estabilidad en el sistema fnanciero. Para
ello, diferencia entre modalidades de crédito, para dar a cada modalidad un tratamien-
to diferente. Los tipos de carteras de crédito que considera la regulación fnanciera en
Colombia son:
1. Cartera Comercial (Para actividades económicas organizadas)
2. Cartera de Consumo (Para fnanciar adquisición de bienes de consumo)
3. Cartera de Vivienda (Adquisición de Vivienda nueva o usada)
4. Cartera de Microcrédito (Otorgados a Microempresas con carteras menores a 25
SMLV)
Por otro lado, se considera que un cliente incumple sus obligaciones fnancieras
(entra en default) si:
1. Siendo cartera comercial, cumple 90 días en mora. A partir de ese momento es un
cliente en default.
2. Siendo cartera de consumo, cumple 60 días en mora. A partir de ese momento es
un cliente en default.
3. Siendo cartera de Vivienda, cumple 60 días en mora. A partir de ese momento es un
cliente en default.
4. Siendo cartera Microcrédito, cumple 30 días en mora. A partir de ese momento es
un cliente en default.
Igualmente, de acuerdo con recomendaciones y estándares internacionales, la su-
perintendencia fnanciera en dicha circular adoptó un sistema de clasifcaciones de los
clientes. Dentro de dichas clasifcaciones es posible encontrar: A, B, C, D y E. Los clien-
tes tipo A son los mejores. Los licites tipo B son clientes buenos pero con cierto perfl de
incumplimiento de pagos esporádicos que tratan de solucionar a tiempo. Los clientes
97
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
tipo C con clientes regulares que tienden a retrasarse en sus obligaciones fnancieras,
pero nunca han incumplido sus pagos al sistema fnanciero. Los clientes tipo D son los
clientes incumplidos (Default) con sus obligaciones fnancieras. Los clientes tipo E son
clientes cuyas carteras son incobrables (ni el cobro jurídico logro la recuperación de la
cartera).
Finalmente, la Regulación Bancaria en Colombia señala que las provisiones de los
bancos deben ser el 1% de la cartera total de la entidad sumado a las pérdidas espera-
das obtenidas del proceso de cálculo anterior.
Sin embargo, la aplicación del concepto de riesgo de crédito puede ser fácilmente
extensible al sector no fnanciero. Por ejemplo, una entidad comercial que otorga cré-
ditos o facilidades de pago a sus clientes, también se ve sometida a evento de que los
clientes incumplan las obligaciones contractuales en los pagos, por lo que se pondría en
riesgo la estabilidad de la compañía.
La complejidad del análisis lleva a que, los riesgos se correlacionen. Por ejemplo,
en el sector agrícola, y más específcamente en el sector arrocero, un deudor de una
casa comercial que le da facilidades de pago en la compra de insumos, puede decidir no
pagar sus obligaciones a la casa comercial porque, por ejemplo, la cosecha fue mala o
porque los precios estaban deprimidos al momento de la venta de la cosecha, de modo
que los ingresos obtenidos por la venta de los mismo no alcanza para cumplir completa-
mente con las obligaciones fnancieras ante las casas comerciales. Las casas comercia-
les verían un riesgo de crédito, de modo que el dueño de la misma incurriría en pérdidas
dado el incumplimiento de los deudores, mientras que los productores estarían someti-
dos a riesgo de mercado (precios de mercado diferentes a los esperados).
En este escenario, la medición del riesgo de crédito debe servir como base para la
toma de decisiones empresariales (no solo aplica para el sector bancario), que propen-
dan por la reducción del impacto del incumplimiento de los deudores. La medición del
riesgo en si misma es inútil, solo toma vida cuando sirve como criterio para la toma de
decisiones racionales por parte de los agentes económicos.
En este documento, se pretende construir un modelo de pérdida esperada de la
cartera crediticia de una entidad crediticia representativa, de modo que la entidad di-
señe las estrategias pertinentes para la reducción del riesgo de crédito. Una entidad
crediticia representativa que provee créditos a los agricultores para la compra de semi-
llas para la siembra de arroz, y los insumos agrícolas para el cultivo, tiene un mecanis-
mo de fnanciación para los agricultores en la medida que distribuye los pagos de los
monto prestados a lo largo de los meses de siembra hasta llegar a la época de cosecha,
cuando los agricultores venden la producción y pagan sus obligaciones fnancieras con
los ingresos derivados del proceso. Para ello, se hace necesario que, en algún sentido,
estudiar los determinantes que inciden en el suceso aleatorio del pago o no de las obli-
gaciones fnancieras a la entidad crediticia representativa por parte de los agricultores.
Dado que las entidades no fnancieras desconocen por completo el esquema de
regulación del sistema fnanciero en Colombia, a pesar de que otorgan créditos, no
clasifcan a los clientes de acuerdo con un perfl, y tampoco defnen puntos de default
(incumplimientos) como lo defne la Superintendencia Financiera de Colombia, este
ejercicio pretende ejemplifcar el proceso de medición del riesgo para que las entidades
no fnancieras que realizan el mismo ejercicio de otorgamiento de créditos apliquen el
esquema a sus unidades de negocio. Diversas entidades crediticias no fnancieras del
sector agropecuario en general, como entidades comerciales por ejemplo, cometen el
98
mismo error. Por este motivo, no distinguen clientes tipo A, B, C, D ó E, y no distinguen
las modalidades de crédito. Para el presente ejercicio, se tomo un segmento de la carte-
ra agropecuaria, los productores de arroz a lo largo del territorio nacional, y de éstos, se
analizó aquel segmento de clientes que tenían créditos iguales o menores a 25 Salarios
Mínimos mensuales legales vigentes a diciembre de 2.006. Bajo este concepto, la car-
tera se podría llegar a clasifcar como Microcrédito como se menciono anteriormente.
Igualmente, y por facilidad de los cálculos y del análisis económico, se consideran todos
los clientes como homogéneos, ya que no existe discriminación entre ellos y todos son
deudores en montos pequeños.
Finalmente, se va a calcular la perdida esperada y las provisiones potenciales que
debería tener la entidad crediticia representativa de acuerdo con los conceptos de la
Superintendencia Financiera de Colombia. Esto no implica que existan dichas provisio-
nes, ya que pueden ser menores o mayores, sino por el contrario, es un valor teórico
que permitirá realizar una medición del riesgo de crédito de la entidad, y dará luces a
entidades no fnancieras para que realicen el mismo ejercicio.
2.3. Riesgo de Mercado
El riesgo de mercado
“son las posibles pérdidas que pueden producirse en activos fnancieros que forman
parte de carteras de negociación y de inversión, y que están originadas por movimien-
tos adversos de los precios de mercado…” (Vilariño, 2001, Página 13).
Dentro de los riesgos de mercado, es posible apreciar, los tipos de interés en mone-
da nacional, los tipos de interés en moneda extranjera, las tasas de interés pactadas en
UVR, los tipos de cambio, el valor de la UVR, los precios de las acciones, etc. Cualquier
movimiento en uno de estos factores puede llevar a perdidas potencias a los agentes
económicos que intervienen en el proceso económico.
El riesgo de mercado se origina en el movimiento adverso de los precios. Sin em-
bargo, no todo movimiento en los precios lleva a pérdidas o ganancias signifcativas a
los agentes que intervienen en el proceso económico. Lo realmente importante a la
hora de analizar el movimiento de los precios es la magnitud del movimiento de los
mismos.
El análisis de volatilidades soporta la teoría del riesgo de mercado. En tal caso, es
necesario observar la frecuencia con que se mueven los precios, y el grado de tolerancia
que puede tener una entidad ante los movimientos del mercado antes de incurrir en
una perdida real. Esto implica, que en el caso de un banco, si dentro del portafolio en el
cual invierte los fondos de los ahorrados hay un tipo de divisa, por ejemplo el Yen japo-
nés, que tiene una rentabilidad media de 6% anual y su volatilidad es del 2%, el banco
solo incurrirá en pérdida si el precio de la divisa llega a una rentabilidad de 4% cuando
él tiene que pagar al dueño del dinero (ahorradores) una rentabilidad anual de 4.5% por
ejemplo. En caso contrario, si el movimiento del rendimiento de la divisa cae a una tasa
de 4.5% anual por ejemplo, solo estará incurriendo en un costo de oportunidad, ya que
pudo haber invertido el dinero en otra divisa, papel o bono que le reportara rentabilidad
en vez de invertirla en una moneda (el Yen para el caso del ejemplo), que le reporto una
rentabilidad nula.
99
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
El concepto de Valor en Riesgo (Value at Risk - VaR), se ha acuñado para referirse
al riesgo de mercado.
“El concepto VaR es la estimación de la pérdida máxima que puede tener la posición
de una cartera, con un determinado horizonte temporal y un determinado nivel de
confanza” (Vilariño, 2001, Página 189).
Los precios futuros son desconocidos, por lo deben ser considerados como sucesos
aleatorios.
El VaR es una medida que resume el riesgo de movimientos negativos de los pre-
cios, expresados en dinero. Esto implica que el
“VaR es máxima pérdida en un horizonte objetivo de tiempo tal que hay una baja en
el precio, especifcando la probabilidad de que la perdida actual sea más grande” (Jo-
rion, 2001, Página 246).
La defnición implica que con el movimiento futuro de los precios, existe un valor
que se puede perder en la actualidad (un porcentaje de la inversión actual).
Para medir el VaR, es obligatorio medir dos parámetros cuantitativos. El nivel de
confanza y el horizonte (Jorion, 2001, Pág. 252). El nivel de confanza ( a − 1 ) no es
más que el nivel estadístico de certeza con el cual se realizan los cálculos, por lo que
el nivel de signifcancia será a . Generalmente el nivel de confanza suele ser de 95%,
99% ó 99.9%, pero en la medida en que aumenta el nivel de confanza, los cálculos
deben ser tan exactos que se hacen complejos. Por otro lado, el horizonte de hace refe-
rencia al tiempo de exposición del precios a movimientos del mercado. Los resultados
del VaR pueden diferir si se tienen en cuenta movimientos de los precios de manera
continua en el tiempo, o de manera discreta (diaria, semanal, mensual, etc.), ya que
la frecuencia de movimiento de los precios puede generar compensaciones en el largo
plazo, de modo que los efectos en los movimientos del mercado se vuelvan, en cierta
medida, neutros. Para el caso de horizontes de tiempo corto, las compensaciones no
necesariamente se dan y por lo tanto el riesgo puede aumentarse expresando un VaR
signifcativamente mayor.
En términos sencillos, el riesgo de mercado se ve infuenciado por la volatilidad
(desviación estándar de un precio con respecto a un nivel medio) de los precios que
intervienen en un proceso económico. Basta con conocer la raíz cuadrada de la varian-
za del comportamiento histórico de un precio, para tener una primera aproximación al
riesgo de mercado. Sin embargo, la construcción de modelos econométricos ha enri-
quecido el análisis de volatilidades, de modo que es posible explicar el comportamiento
de los precios y sus volatilidades. Dentro de los modelos econométricos de volatilida-
des se encuentran los modelos tipo ARCH, GARCH, T-GARCH, etc., que serán tratados
mas adelante en este capítulo.
Al igual que antes, la aplicación del concepto de Riesgo de Mercado puede ser fá-
cilmente extensible al sector no fnanciero. Una entidad comercial que se encarga de la
venta de un único bien (insumos agrícolas por ejemplo), asumirá cierto grado de riesgo
cuando los precios de mercado se muevan. Si el precio se mueve a la baja por las con-
diciones del mercado (aumento de la competencia, aumento de la oferta o caída en la
demanda), sus ganancias se pueden ver afectadas. Para el caso una entidad crediticia
100
no fnanciera, si la ganancia por venta de agroinsumos es de 10%, por ejemplo, y la
volatilidad es del 15%, la actividad económica se enfrenta a un VaR alto que llevará a
potenciales pérdidas económicas en la entidad. En caso contrario deberá incrementar
la ganancia por encima del 15% para reducir la posibilidad de perdida por movimientos
en el mercado. Si por el contrario, la Volatilidad es del 5% y la ganancia del 10%, ante
una caída de precio de los agro insumos de 5%, lo que enfrenta la compañía es un costo
de oportunidad por dejar de invertir en otra actividad que le hubiera generado una ga-
nancia superior a 5%.
Nuevamente, la medición del Riesgo de Mercado debe servir como base para la
toma de decisiones empresariales (en términos de fjación del precios del bien que le
permita soportar los movimientos del mercado). Como se dijo anteriormente, “La me-
dición del riesgo en si mismo es inútil, solo toma vida cuando esta sirve como criterio para
la toma de decisiones racionales por parte de los agentes económicos”.
En este documento, va a realizar un cálculo de las volatilidades de los precios del
arroz al productor a lo largo del territorio nacional. Estos cálculos servirán para identi-
fcar el comportamiento de los mismos, de modo que se identifquen aquellas regiones
en las cuales el riesgo de mercado es mayor, y por tanto, se decida diseñar un mecanis-
mo de aprovisionamiento (mayores provisiones teóricas para las entidades que otor-
gan créditos). Por otro lado, en regiones donde el riesgo de mercado sea menor, de
modo que se estabilice la actividad arrocera, las provisiones deberían ser menores para
la entidad crediticia representativa. De igual manera, esto no implica que la entidad
crediticia representativa tenga dichas provisiones, sino que éste ejercicio aproximará
los montos teóricos.
2.4. Riesgo de Liquidez
El riesgo de liquidez puede defnirse como la perdida potencial ocasionada por even-
tos que afectan la capacidad de disposición de recursos por parte de una entidad para
enfrentar sus obligaciones pasivas, ya sea por incapacidad para vender sus activos, por
reducción del valor de sus activos valorados a precios de mercado, por aumento de sus
pasivos valorados a precios de mercado o por incapacidad para recurrir a las fuentes
habituales de fnanciamiento.
La medición del riesgo de liquidez es un tanto más compleja que la medición de
riesgos de mercado y de crédito. Para la medición del riesgo de crédito y del riesgo
mercado, en cierta medida, solo es necesaria una base de datos que de cuenta del com-
portamiento histórico del cumplimiento de los pagos por parte de los deudores, o el
comportamiento histórico de cierto precio, para calcular su volatilidad. Por otro lado,
para la medición del riesgo de liquidez, se puede tener una medida básica como la igual-
dad histórica en las variaciones de los valores de mercado de los activos líquidos de la
entidad y los pasivos de corto plazo. Esto implica que si el valor de mercado de los acti-
vos líquidos varía en la misma proporción que los activos de corto plazo de la entidad, el
riesgo de liquidez es menor (lo que no implica que sea poco severo).
Sin embargo, el simple cálculo de las variaciones de los valores de mercado de los
activos líquidos y los pasivos de corto plazo dan una idea vaga del verdadero riesgo
de liquidez, ya que, si bien es cierto que los activos soportan los pasivos, desconoce la
posibilidad de disponer de recursos para realizar operaciones de mercado que generen
una oportunidad de rentabilidad. Por ejemplo, supóngase que, en cierto momento del
101
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
tiempo, los activos líquidos de una compañía son de 100 y los pasivos de corto plazo tie-
nen el mismo valor, a pesar de que la tasa de crecimiento histórica de los dos sea similar
(2% por ejemplo), si la compañía necesita disponer del 50% de sus activos líquidos para
realizar una inversión que le va a generar un 20% de rentabilidad dos años después, y
el riesgo de mercado es bajo (por ejemplo en renta fja), aparentemente existirán dos
periodos en los cuales el riesgo de liquidez es alto, ya que el fujo de caja de los acti-
vos líquidos se reduciría los dos años siguientes antes de la maduración de la inversión,
desconociendo que el costo de oportunidad de no hacer la inversión es más alto que el
crecimiento del valor de mercado de los activos líquidos en el tiempo.
En este sentido, se necesita una visión y un campo de análisis más amplio para el
análisis del riesgo de liquidez. La teoría de la Gestión de Activos y Pasivos (GAP), en-
gendra en si misma una secuencia de análisis que dan una mejor aproximación al riesgo
de liquidez.
“Un primer objetivo de la gestión de activos y pasivos esta situado en la anticipación
de los cambios en el balance y en los márgenes…, y en la cuantifcación de los cambios
no anticipados, asignándole probabilidades a dichos cambios o, inversamente dado
un nivel de probabilidad determinado, cuantifcar el cambio negativo…” (Vilariño,
2001, Página 276).
Esto implica que el análisis de los estados fnancieros y balances de una entidad
pueden llevar a una mejor aproximación del riesgo de liquidez.
De acuerdo con Vilariño, la técnica del GAP o brecha de fondos consiste en el cál-
culo de activos y pasivos sensibles a las variaciones de tipos de interés, ordenados por
plazos. El concepto central es el de sensibilidad al tipo de interés. Sin embargo, el cálcu-
lo del GAP es excesivamente sencillo en el sentido de que si en una situación el GAP es
nulo, esto signifca que las tasas de interés que afectan a los activos líquidos variaron en
la misma proporción y sentido que las tasas de interés que afectan los pasivos de corto
plazo. Nuevamente, la metodología desconoce o le brinda poca importancia al costo de
oportunidad de reducir el fujo de caja por el lado de los activos líquidos de la compañía.
En cualquier caso, las técnicas de medición del riesgo de liquidez son en sí mismas
débiles y no proveen criterios sufcientes que describan la complejidad a la que se en-
frenta una entidad cuando hace análisis de riesgos de liquidez. Y como es de esperarse,
el riesgo de liquidez depende del riesgo de mercado ya que las tasas de interés son el
precio que pagan las entidades por el uso del dinero.
En esta investigación, por la disposición de información de los estados fnancieros
y los balances de la entidad crediticia representativa, solo será posible la evaluación de
la hipótesis que afrma que tanto los activos como los pasivos han crecido a una tasa
histórica similar. Si este es el caso, el riesgo de liquidez en su forma más básica es poco
probable, pero si no es el caso, estará presente el riesgo de liquidez. Nuevamente, al
igual que en la medición de los riesgos de crédito y los riesgos de mercado, los resulta-
dos teóricos encontrados no implican la realización del evento por parte de la entidad
crediticia representativa. Más aún, en el riesgo de liquidez se tienen unas técnicas de
medida tan débiles, que afrmar que una entidad se enfrenta a riesgo de liquidez, por el
hecho de que la tasa de variación de los pasivos de corto plazo es mayor que la tasa de
variación de los activos líquidos, es una afrmación que fácilmente puede ser puesta en
tela de juicio.
102
2.5. Riesgo Operativo
Este es sin duda alguna, el más difícil de todos los riesgos. Las técnicas de medición de
los riesgos operativos son tanto o más débiles que las técnicas empleadas para medi-
ción del riesgo de liquidez, pero más complejas que las anteriores.
“Las transacciones fnancieras deben ser registradas, almacenadas y contabilizadas,
y debe exigirse, además, la realización de un seguimiento durante su vida hasta que
son fnalmente canceladas. Todos estos aspectos tienen un soporte documental pre-
ciso, y unas normas y procedimientos de administración y control. Cualquier discre-
pancia entre lo que <debe ser> y lo que <realmente es> produce la materialización de
riesgo operativo.” (Vilariño, 2001, página 16).
El riesgo operativo nace en el desempeño de las funciones de los empleados de una
entidad. Para el caso de una entidad fnanciera, la entidad puede incurrir en pérdidas
derivadas de equivocaciones de los empleados, como por ejemplo una póliza sin frmar,
una garantía no verifcada, una operación no registra, mal manejo tecnológico, etc. In-
cluso el riesgo operativo puede acuñarse a la actuación de los empleados que lleven a
pérdidas económicas a la entidad como fraudes y despilfarro de fondos.
Si se defne el riesgo operativo como “el riesgo de pérdida resultante de inadecua-
dos procesos, sistemas o personas internas, o de eventos externos” (Jorion, 2002, página
537), es posible afrmar que la fuente de riesgo operacional es etérea y compleja de
medir. No se trata solo de identifcar y mucho medir cuando una entidad se encuentra
en riesgo por actuaciones mal intencionadas de los empleados (no es fácil medir cual es
la probabilidad de que un empleado despilfarre fondos, o cual la probabilidad de que a
futuro realice fraudes), se trata también de gestionar dicho riesgo. Por otro lado, ningu-
na entidad puede medir con facilidad lo adecuado de los procesos o procedimientos de
las tareas de los empleados, ya que éstos pueden fallar por factores externos al actuar
de los empleados.
Las medidas actuariales construidas para la medición del riesgo operacional se ba-
san en fallas históricas de las personas, procesos o sistemas. Tales modelos incluyen dos
conceptos, la frecuencia con que ocurre la falla en un intervalo de tiempo, y la severi-
dad de la perdida una vez se ha obtenido una falla. Aproximadamente, al igual que en
los modelos de riesgo de crédito, se puede adoptar una metodología similar e indagar
la probabilidad de que un elemento del sistema organizacional falle, por la magnitud
económica de la perdida. En este sentido el riesgo operacional puede ser medido con
relativa facilidad, aunque desconoce los factores externos que generan la falla de uno
de los elementos del sistema.
Todas las entidades, fnancieras y no fnancieras se ven sometidas a este tipo de
riesgo, que en muchos casos puede llevar a pérdidas enormes y quiebras de compañías.
Para el caso de una empresa comercial o industrial existe riesgo en la realización de
un proceso, que lleve a pérdidas económicas para la compañía. Por ejemplo, la enti-
dad crediticia representativa se ve sometida a riesgo cuando realiza contratos con los
deudores, cuando actúa como cobrador jurídico, cuando desconoce las intenciones
de sus empleados (todas las compañías conocen el perfl de sus empleados en cierta
proporción), y cuando ejecuta actividades de contabilización, control y demás labores
administrativas.
103
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
En esta investigación se medirá la probabilidad de que se cometa una falla humana
dentro de la organización de modo que se materialice en perdidas. Por limitaciones en
la información o inexistencia de la misma, se calculará el riesgo operativo valorado a
precios de mercado como el resultado de multiplicar la probabilidad de falla de un ele-
mento del sistema organizacional (los empleados) por la masa de activos de la entidad.
Si bien esta es una medida muy básica porque desconoce la probabilidad de ocurren-
cia de eventos externos, o fallas en los sistemas, es una primera forma de lograr una
aproximación al riesgo operativo.
2.6. Modelos Econométricos en Medición de Riesgos
Para el caso del cálculo de las probabilidades de incumplimiento de las obligaciones
fnancieras por parte de los deudores, generalmente se emplean modelos de elección
discreta Logit y Probit. Igualmente, es posible emplear este tipo de modelos en la medi-
ción de riesgos operativos si se observa a un empleado y se le clasifca como empleado
que incurrió en falla o no. Para ambos casos, las variables exógenas serán aquellas que
describan el perfl del sujeto (deudor o empleado). Por otro lado, el análisis de series
de tiempo sirve para el cálculo del comportamiento histórico de variables (precios) y
sus volatilidades (Modelos ARIMA y GARCH), para el caso de riesgo de mercado. Para
la medición del riesgo de liquidez es útil el análisis de series de tiempo de largo plazo,
mediante metodologías de Cointegración de series como activos líquidos y pasivos de
corto plazo.
Por un lado los modelos de elección discreta se caracterizan porque la variable en-
dógena toma valores que permiten clasifcar a los individuos. De acuerdo con Roa,
“Los modelos de elección binaria permiten el cálculo de probabilidad de ocurrencia de
un evento denotado por
i
Y , condicionado al conjunto de información del conjunto de
variables X ”. (ROA, 2006, Página 24).
La ecuación [2] describe esta idea.
(2)
“Se debe tener en cuenta que
i
Y solo toma dos valores cero y uno. Por ejemplo se
quiere construir un modelo permita calcular la probabilidad de que un cliente bancario
al que se le acaba de otorgar un préstamo entre o no en mora. Se tienen datos de to-
dos los clientes del banco con las mismas y diferentes características. La variable
i
Y
toma valor de cero si un cliente antiguo del banco nunca ha entrada en mora, y valor
de uno si otro cliente antiguo del banco ha entrado en mora. El modelo descrito por la
ecuación pretende calcular la probabilidad de que el cliente nuevo entre en mora dado
que tiene un conjunto de características denotado por X ”. (ROA, 2006, Página 24)
De acuerdo con Roa, los resultados de un modelo Logit y un Modelo Probit son si-
milares a pesar de que emplean supuestos diferentes en cuanto a la distribución de los
errores que actúan como componente aleatorio del modelo. En este sentido, la ecua-
ción de un modelo Logit esta defnida de acuerdo con la ecuación (3).
( )
¿
=
÷ =
N
i
i i i
b CE CL
1
1 * * µ
( ) ( ) x y y 1 Pr = = E
( ) ( ) ( )
( ) | |
|
| u
i i
i
X X
X
i i
e e
e
X Y F X Y P
÷
+
=
+
= A = = =
1
1
1
; 1
t
L
i
i i
q
i
i t i
P
i
i t i t
D Y T Y c o c u | ¸ | + + + + + =
¿ ¿ ¿
= =
÷
=
÷
1 1 1
0 0
( )
t
iid
t
h N , 0 ÷ c
¿ ¿
=
÷
=
÷
+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
o c o o
¿ ¿
= =
÷ ÷
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
| o
o
o
¿ ¿
= =
÷ ÷
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
| o
o
o
( )
t t t t
Y X X c | | o µ + + + =
÷ ÷ 1 2 1 1 1 1
( )
t t t t
Y X Y c | | o µ + + + =
÷ ÷ 1 2 1 1 2 2
104
(3)
La ecuación (3) se construye de modo que cualquiera sea el valor de los parámetros
(
i
b
) y el valor de las variables (
i
X ), el valor de ( )
i
X Y P 1 = es un valor positivo menor
a la unidad. Esto es válido si se tiene en cuenta que la probabilidad por defnición se
enmarca en tales limites. De este modo, los modelos de elección discreta permitirán
el cálculo de las probabilidades de un suceso aleatorio representado por una variable
dicotómica.
En el presente capítulo se emplearán modelos de elección discreta para el cálculo
de la probabilidad de incumplimiento de los pagos de las obligaciones fnancieras de los
agricultores que toman créditos, para la adquisición de insumos, de la entidad crediticia
representativa. Este será el método que realizará una aproximación a la medición del
Riesgo de Crédito en la cartera de la entidad crediticia representativa.
Igualmente, se empleará un modelo de elección discreta para el cálculo de la proba-
bilidad de que un empleado de la entidad crediticia representativa cometa una falla en
la ejecución de un proceso o tarea. Se explicará el hecho de que un empleado se equivo-
que o no en función de sus características personales. Como se afrmo anteriormente,
se realizará una aproximación al riesgo operativo de la entidad crediticia representativa
por medio de un modelo de pérdida esperada dada la falla de un empleado en la ejecu-
ción de un proceso dentro de la estructura de la organización.
Por otro lado, los modelos de series de tiempo se caracterizan por la modelación de
variables a través de estructuras tipo ARIMA. De acuerdo con Roa,
“El punto de partida de los modelos ARIMA es el supuesto de estacionariedad. Esto
signifca que para cada modelo, existen unos errores que se comportan como ruido
blanco, es decir, con media cero y varianza constante” (Roa, 2006, página 6).
Un modelo típico de series de tiempo ARIMA se caracteriza por una ecuación del
tipo (4)
(4)
El lado izquierdo de la igualdad representa el comportamiento de la serie en el mo-
mento t. En el lado derecho de la igualdad se tiene primero el componente constante
del modelo, segundo la tendencia de la serie, tercero el comportamiento auto regresivo
de la serie (P rezagos), cuarto la parte de media móvil del modelo (q rezagos), quinto las
variables instrumentales del modelo (L variables Dummy), y fnalmente el componente
irregular del modelo.
Generalmente los supuestos del modelo se realizan sobre los errores (componente
irregular) del modelo. Cuando se cumplen los supuestos tradicionales del modelo, se
dice que el modelo es adecuado para la explicación del comportamiento de la serie.
Igualmente, la estacionariedad de un modelo hace referencia al hecho de que la serie
sea estable alrededor de un nivel. Esto implica que los parámetros del modelo cumplan
ciertas condiciones que permitan la convergencia de la serie al nivel preestablecido.
Sin embargo, entre los supuestos del modelo existe uno de difícil cumplimiento.
La homocedasticidad hace referencia a la varianza constante de los errores del mo-
( )
¿
=
÷ =
N
i
i i i
b CE CL
1
1 * * µ
( ) ( ) x y y 1 Pr = = E
( ) ( ) ( )
( ) | |
|
| u
i i
i
X X
X
i i
e e
e
X Y F X Y P
÷
+
=
+
= A = = =
1
1
1
; 1
t
L
i
i i
q
i
i t i
P
i
i t i t
D Y T Y c o c u | ¸ | + + + + + =
¿ ¿ ¿
= =
÷
=
÷
1 1 1
0 0
( )
t
iid
t
h N , 0 ÷ c
¿ ¿
=
÷
=
÷
+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
o c o o
¿ ¿
= =
÷ ÷
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
| o
o
o
¿ ¿
= =
÷ ÷
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
| o
o
o
( )
t t t t
Y X X c | | o µ + + + =
÷ ÷ 1 2 1 1 1 1
( )
t t t t
Y X Y c | | o µ + + + =
÷ ÷ 1 2 1 1 2 2
( )
¿
=
÷ =
N
i
i i i
b CE CL
1
1 * * µ
( ) ( ) x y y 1 Pr = = E
( ) ( ) ( )
( ) | |
|
| u
i i
i
X X
X
i i
e e
e
X Y F X Y P
÷
+
=
+
= A = = =
1
1
1
; 1
t
L
i
i i
q
i
i t i
P
i
i t i t
D Y T Y c o c u | ¸ | + + + + + =
¿ ¿ ¿
= =
÷
=
÷
1 1 1
0 0
( )
t
iid
t
h N , 0 ÷ c
¿ ¿
=
÷
=
÷
+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
o c o o
¿ ¿
= =
÷ ÷
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
| o
o
o
¿ ¿
= =
÷ ÷
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
| o
o
o
( )
t t t t
Y X X c | | o µ + + + =
÷ ÷ 1 2 1 1 1 1
( )
t t t t
Y X Y c | | o µ + + + =
÷ ÷ 1 2 1 1 2 2
105
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
delo. Cuando la varianza es no constante, las ecuaciones que se pretende expliquen el
comportamiento de las series no son adecuadas. En este sentido, los modelos pierden
relevancia.
De acuerdo con Roa, para solucionar el anterior problema, se ha diseñado mode-
los que permite la explicación de la volatilidad de la serie. Dichos modelos, conocidos
dentro de la familia de modelos GARCH, explican por un lado el comportamiento de la
serie y por otro lado la volatilidad de la misma a través de un modelo de varianza con-
dicionada. Las ecuaciones (4), (5) y (6) representan un modelo de heterocedasticidad
condicionada.
(5)
(6)
La ecuación (5) muestra que la varianza del modelo no es una constante, ya que
depende del tiempo (subíndice t de la variable h). Esto implica la presencia de hetero-
cedasticidad en los errores del modelo. Sin embargo, la ecuación (6) condiciona el com-
portamiento de la heterocedasticidad a un modelo tipo ARIMA asociado a la varianza.
La ecuación (6) muestra que la varianza en todo periodo t depende de una constante,
de los errores cuadráticos rezagados en el tiempo y la varianza rezagada en el tiem-
po. De acuerdo con Vilariño, luego del desarrollo matemático de la ecuación es posible
apreciar que “La varianza incondicional viene dada por la ecuación (7)” (Vilariño, 2001,
página 163. las itálicas son propias).
(7)
Cuando se le calcula la raíz cuadrada a de la varianza se obtiene la volatilidad. En
este sentido la volatilidad de una serie esta dada por la ecuación (8).
(8)
Como se afirmo anteriormente, el cálculo de modelo de serie de tiempo tipo
ARIMA y GARCH será la base mediante la cual se estima el riesgo de mercado al
que se ven sometidos los precios del arroz al productor en diferentes zonas a lo
largo del país.
Finalmente, los modelos de Cointegración pretenden explicar movimientos de lar-
go plazo de las series. Cuando dos series se mueven en el mismo sentido y en la misma
magnitud (incrementos o caídas de las dos series que concuerdan en magnitud y en
largos periodos de tiempo), se dice que estás cointegradas. Las ecuaciones (9) y (10)
permiten apreciar que dos series
t
X y
t
Y están cointegradas si ambas comparten un
equilibrio de largo plaza dado por ( )
1 2 1 1 − −
+
t t i
Y X b b a . Los valores
1
µ y
2
µ repre-
sentan las constantes de las series. Los coefcientes
1
a y
2
a representan las velocida-
des de ajuste de las series a su nivel de equilibrio de largo plazo en caso de que no se
( )
t
iid
t
h N , 0 → ε
∑ ∑
=

=

+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
d ε a a
∑ ∑
= =
− −
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
b a
a
s
∑ ∑
= =
− −
=
q
i
p
p
i
p
1 1
0 2
ˆ
ˆ 1
ˆ
ˆ
b a
a
s
106
encuentren allí. Finalmente, cada una de las series esta explicada por un componente
de error, como ya es tradicional.
(9)
(10)
Para el cálculo de estos modelos, la tradicional metodología de Johansen permite
el cálculo del número de vectores de Cointegración por medio del rango de la matriz
T
ab π =ab
t
. Si el rango de la matriz es 1, por ejemplo, existirá un equilibrio de largo plazo,
y por lo tanto, las series estarán cointegradas mostrando que estas comparten similar
comportamiento de largo plazo.
Sin embargo, Roa señala que un requisito previo para la probar la existencia de rela-
ciones de Cointegración o equilibrio de largo plazo de las series es la presencia de raíces
unitarias en las series de tiempo analizadas. El método más popular para probar raíces
unitarias es series de tiempo es el Dickey-Fuller. Este método evalúa la hipótesis nula de
raíz unitaria en las series ( ( ) 1 0 − = = φ ρ ) en la ecuación (11) en su forma más básica, obte-
nida a partir de la diferenciación de la ecuación (4) para un modelo básico AR(1). Lo que
se espera es que ( 1 = φ ) con el fn de probar la existencia de relaciones de largo plazo en
las series. Adicionalmente, Roa señala que las dos series deben tener raíz unitaria para
la adecuada realización de la prueba (Roa, 2006).
(11)
En este documento se realizarán modelo de Cointegración para probar la hi-
pótesis del riesgo de liquidez en su forma más elemental. Si las series de activos
líquidos y pasivos de corto plazo de los últimos años están cointegradas, esto signi-
fica que existen activos que crecen a la misma tasa de los activo de corto plazo, de
modo que en primera instancia se puede aprobar la hipótesis de baja probabilidad
de riesgo de liquidez. Por el contrario, si las series no están cointegradas, las series
no crecen a la misma tasa, razón que da un primer indicio de riesgo de liquidez.
Como se discutió anteriormente, esta primera aproximación es un tanto débil, pero
es una técnica existente de medición.
3. marco empÍrIco
3.1. Riesgo de Crédito – Modelo de Pérdida Esperada
Para la construcción del modelo se tomaron datos de 5.563 clientes de la cartera de la
entidad crediticia representativa. La información fue clasifcada o categorizada para su
posterior tratamiento, de cuerdo con la información descrita en la tabla 1.
( )
t t t t
Y X X ε b b a µ + + + =
− − 1 2 1 1 1 1
( )
t t t t
Y X Y ε b b a µ + + + =
− − 1 2 1 1 2 2
t t t
Y Y ε ρ + = ∆
−1
*
107
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Tabla 1. Variables utilizadas en el modelo – Riesgo de Crédito
CÓDIGO VARIABLE CARACTERÍSTICA
X
3
Créditos Obtenidos
Variable discreta que toma valores de 1 a 8 en la base de datos
X
4
Género
Variable dicotómica. Toma valores de 1=mujer, 2=hombre
X
5
Edad
Se categorizó la variable por rangos de edad. 1=menor 18 años; 2=19 a 25
años; 3=26 a 35 años; 4=36 a 45 años; 5=46 a 60; 6=mayor 60 años
X
6
Estrato
Se contempla del estrato 1 al 6
X
7
Ocupación
Variable discreta defnida así: 1=Agricultor; 2=Empleado; 3=Desempleado;
4=otro
X
8
Ingresos
Se categorizó la variable por rangos de ingresos mensuales. 1=menor SMLV;
2=entre 1 y 2; 3=entre 2 y 3; 4=entre 3 y 4; 5=entre 4 y 5; 6=más de 5
X
9
Educación
Variable discreta defnida así: 1=Ninguna ó Primaria; 2=Secundaria;
3=Profesional; 4=Postgrados
X
10
Estado Civil
Variable discreta defnida así: 1=Soltero; 2=Casado; 3=Viudo; 4=Separado;
5=Unión Libre; 6=Otro
X
11
Personas a Cargo
Variable discreta que toma valores de 1 a 7 en la base de datos
X
12
Califcación Bancaria
Variable discreta que toma valores de 1=D; 2=;C 3=B; 4=A. De acuerdo
con la información suministrada por los deudores
X
13
Experiencia Específca
Variable discreta defnida así: 1=menos de un año; 2=entre 1 y 3 años;
3=entre 4 y 10 años; 4= más de 11 años
X
14
Valor Agregado de Activos
Variable discreta defnida así: 1=Menos de 15 millones; 2=entre 15 y 30 millones;
3=entre 31 y 45 millones; 4= entre 46y 60 millones; 5=más de 60 Millones
Y
Morosidad
Variable dicotómica. Toma valores de 0=Cliente Cumplido; 1=Cliente en Mora
Z
Saldo de Cartera
En pesos Colombianos a 31 de Octubre de 2006
La base de datos permite observar que la cartera para los 5.563 clientes asciende a
$18.303´165.799 pesos colombianos a 31 de octubre de 2006. La cartera promedio por agri-
cultor es de $3´290.161 pesos colombianos. Se tomaron todos esos créditos cuyos saldos a
la fecha de corte oscilaban entre $1’000.000 y $10’000.000. En este sentido, el valor mínimo
reportado en la cartera ascendía a $1´000.469 y el valor máximo asciende a $9´990.600,
por lo que se clasifco como cartera de micro créditos, ya que no exceden los 25 SMLV, y en
general fue posible aplicar los criterios de la cartera de microcrédito para este documento.
La variable morosidad toma valores de 1 para un cliente, si éste lleva 30 días ó más
en mora, y valores de cero si el cliente no está en mora o lleva menos de 30 días en mora
a 31 de octubre de 2006. Los días de mora se empiezan a contar a partir de la fecha de
corte del cultivo, no desde la fecha de desembolso del mismo, por motivos de la vida
productiva del cultivo.
Cálculo de la probabilidad de incumplimiento:
Se construye el modelo descrito por la ecuación (12).
(12)
( )








+ + −

+
= =
=
i
i
i i
X
i
e
X Y P
ε b b
14
3
0
1
1
1
108
La ecuación (12) calcula la probabilidad de que un cliente i, se encuentre en mora
(Valor de 1), dadas sus características sociodemográfcas (X
i
). La tabla 2 muestra los
resultados de la estimación.
De acuerdo con la tabla, entre más historia crediticia tengan los clientes (mayor
número de créditos), la probabilidad de incumplimiento de las obligaciones fnancieras
actuales disminuye (signo negativo del parámetro).
Sin embargo, se encuentra que entre más edad tengan los deudores, la probabi-
lidad de incumplimiento se incrementa (signo positivo de parámetro), lo que signifca
que los clientes más jóvenes tienen un mayor interés en cumplir sus obligaciones con
entidad crediticia representativa con el fn de tener una buena historia crediticia y así
mantener créditos para el desarrollo del cultivo.
Tabla 2. Resultados de la Estimación del Modelo – Riesgo de Crédito
Dependent Variable: MOROSIDAD
Method: ML - Binary Logit (Quadratic hill climbing)
Included observations: 5563
Covariance matrix computed using second derivatives
Variable Coeffcient Std. Error z-Statistic Prob.
CRÉDITOS -0.118011 0.025925 -4.551977 0.0000
EDAD 0.094883 0.044407 2.136677 0.0326
OCUPACIÓN 0.135365 0.062731 2.157869 0.0309
EDUCACIÓN -0.274337 0.062738 -4.372724 0.0000
ESTADO CIVIL -0.088514 0.045752 -1.934664 0.0530
CALIFICACIÓN -0.212229 0.055867 -3.798852 0.0001
EXPERIENCIA -0.107217 0.044918 -2.386939 0.0170
ACTIVOS -0.294843 0.046171 -6.385913 0.0000
Mean dependent var 0.063635 S.D. dependent var 0.244123
S.E. of regression 0.239887 Akaike info criterion 0.452577
Sum squared resid 319.6673 Schwarz criterion 0.462103
Log likelihood -1250.843 Hannan-Quinn criter. 0.455898
Avg. log likelihood -0.224850
Obs with Dep=0 5209 Total obs 5563
Obs with Dep=1 354
Fuente: Construcción propia
Por otro lado, los agricultores y trabajadores asalariados tienen mayor probabilidad
de cumplir con sus obligaciones fnancieras, mientras que los desempleados (agricultu-
ra ociosa) entran con mayor frecuencia en mora en las obligaciones fnancieras con la
entidad crediticia representativa (signo positivo del parámetro).
Las variables educación y años de experiencia específca tiene una relación inversa
con la probabilidad de incumplimiento (signos negativos de los coefcientes). Esto im-
plica que entre más años de experiencia en el sector y entre más educación tengan los
deudores, menor es la probabilidad de incumplimiento. Se espera, que los profesiona-
109
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
les y los agricultores de tradición tengan un buen hábito de pago de sus obligaciones
fnancieras a razón de mantener vigentes sus posibilidades crediticias con las empresas
del sector arrocero.
La variable califcación tiene signo negativo en respuesta a que los clientes que tie-
nen mala califcación crediticia en bancos comerciales, tienen una mayor probabilidad
de incumplir con las obligaciones fnancieras de la entidad crediticia representativa.
Inversamente, los clientes que tienen mejores califcaciones en el sistema fnanciero
tienen menores probabilidades de incumplir las obligaciones fnancieras de la entidad
crediticia representativa (signo negativo del parámetro).
Una variable fundamental en el análisis es el valor de los activos, ya que entre ma-
yor sea el valor de los activos del deudor, menor es la probabilidad de incumplimiento
(signo negativo del parámetro). En este sentido, las garantías reales por parte de los
deudores, aunque exista o no prenda sobre el patrimonio, infuyen de manera positiva
en el pago de las obligaciones fnancieras de los agricultores. Esto implica que, si en un
momento la cosecha no presentó un ingreso razonable para cubrir las obligaciones f-
nancieras con la entidad crediticia representativa, el agricultor puede disponer de otros
activos para responder por la deuda.
Cálculo de la pérdida esperada.
Provisiones por cliente y generales:
La probabilidad media de que un cliente entre en mora es de 6.34%. Cuando se multipli-
ca la probabilidad de incumplimiento de cada cliente por el monto de cartera que adeu-
dan a la entidad crediticia representativa, a corte del 31 de octubre de 2006, se obtiene
la pérdida esperada por cliente. La suma de las pérdidas esperadas por cliente genera la
perdida esperada de la cartera. Para el caso del ejercicio, ésta asciende a $1.154´350.701
correspondientes al 6.31% de la cartera bruta de la entidad crediticia representativa.
Dado que la entidad crediticia representativa debe seguir los lineamientos de admi-
nistración de riesgo de crédito que determina la Superintendencia Financiera de Colom-
bia, las provisiones (en bancos), debería ascender al total de la pérdida esperada más el
1% de la cartera bruta. Esto implicaría una provisión total de $1.337´382.359, equivalentes
al 7.31% de la cartera de la entidad crediticia representativa. Esto se aprecia en la tabla 3.
Tabla 3. Provisiones teóricas de la entidad crediticia representativa
Riesgo de Crédito
Perdida Esperada $1.154´350.701
1% de la cartera bruta $183´031.158
TOTAL $1.337´382.359
En realidad el riesgo de crédito de la cartera de la entidad crediticia representativa
esta alrededor de 6.34%, con un nivel de confanza de 95%, razón por la cual, las provi-
siones de dicha entidad por este concepto debería ascender al 7.31% de la cartera bruta.
En realidad hay entidades bancarias que enfrentan mayores riesgos de crédito. La en-
tidad crediticia representativa tiene un menor riesgo de crédito, seguramente porque
los clientes a pesar de verse sometidos a la venta de la cosecha, son clientes tradiciona-
les que históricamente han hecho negocios con la entidad, y por motivos de tradición
110
cumplen sus obligaciones crediticias. Igualmente, una de las razones por las cuales el
incumplimiento es bajo se debe a que los montos de deuda son pequeños. Esto implica
que los agricultores dispongan de otros ingresos (diferentes a la actividad económica)
para cubrir sus obligaciones fnancieras.
Recomendaciones derivadas del análisis:
Las deudas que tienen los agricultores con la entidad crediticia representativa esta cer-
cana a $18.000´000.000. La sostenibilidad de la deuda se debe en parte a que ésta se
respalda con cartera de bajo riesgo (6.34% de probabilidad de incumplimiento). En este
sentido, la entidad crediticia representativa puede cumplir con sus obligaciones fnan-
cieras (a otros ahorradores) en respuesta al adecuado manejo de cartera y otorgamien-
to de créditos a los agricultores.
Por otro lado, los clientes con mayor tradición en el sector son aquellos que
presentan menor probabilidad de incumplimiento de sus obligaciones financieras
con la entidad crediticia representativa, hecho que ha fortalecido la actividad de
generación de liquidez de la entidad. En este sentido, el riesgo es bajo en términos
probabilísticos.
3.2. Riesgo de Mercado – Modelos de Volatilidad
Para el cálculo de las volatilidades de los precios de las semillas comercializadas, se
tomaron por separados las sedes de Tolima, Huila, Meta, Córdoba, Cesar y Norte de
Santander. Equivalentemente, se tomó el precio promedio ponderado nacional para
Colombia. Por motivos de estacionariedad de las series en el proceso de análisis esta-
dístico, fue necesaria una transformación por aproximaciones de Taylor que permitie-
ron la estacionariedad. Se trabajan precios promedio mensual entre 1995 y 2005.
Para todas las series analizadas se encontró que las volatilidades de los precios de las
materias primas (arroz paddy) se situaban alrededor de 0.72% nacional, con volatilidades
promedio de 3.13% (tabla 4 y gráfco 1). Sin embargo, los precios en Cúcuta y Montería
presentan mayores volatilidades relativas, lo que lleva a mayores ganancias o pérdidas
potenciales por movimientos del mercado, pero con un mayor nivel de riesgo.
Tabla 4. Rentabilidad del precio del arroz paddy por regiones – Riesgo de Mercado
Ibagué Espinal Neiva V/vicencio Montería Valledupar Cúcuta Colombia
Rentabilidad
Media
0,71% 0,72% 0,71% 0,70% 0,77% 0,77% 0,78% 0,72%
Volatilidad 3,06% 3,10% 3,24% 3,90% 6,36% 3,12% 4,03% 3,13%
Fuente: Fedearroz. Cálculos propios
La tabla 5 permite apreciar el modelo de volatilidad para la serie de precios del
arroz paddy en Colombia. La ecuación de varianza, y la ecuación principal cumplen
condiciones de estacionariedad, siendo signifcativas al 95%. Igualmente, la ausencia
de auto correlación (estadístico Durban-Watson 2.13), permiten observar lo adecua-
do del modelo.
111
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Tabla 5. Resultados de la Estimación del Modelo – Riesgo de Mercado
Dependent Variable: COLOMBIA
Method: ML - ARCH (Marquardt) - Normal distribution
MA backcast: 1993M02 1995M01, Variance backcast: ON
GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*RESID(-2)^2 + C(9)*RESID (-1)^2*(RESID(-1)<0) + C(10)*GARCH(-1)
Coeffcient Std. Error z-Statistic Prob.
AR(1) 0.390828 0.064073 6.099691 0.0000
AR(6) -0.405188 0.058723 -6.899952 0.0000
MA(6) 0.306136 0.053637 5.707508 0.0000
MA(7) 0.319220 0.064056 4.983448 0.0000
MA(24) 0.480070 0.062604 7.668414 0.0000
Variance Equation
C 9.63E-05 2.66E-05 3.617339 0.0003
RESID(-1)^2 0.226709 0.110493 2.051799 0.0402
RESID(-1)^2*(RESID(-1)<0) -0.233222 0.062263 -3.745775 0.0002
RESID(-2)^2 -0.194359 0.099338 -1.956537 0.0504
GARCH(-1) 0.901007 0.047366 19.02238 0.0000
R-squared 0.323213 Mean dependent var 0.007505
Adjusted R-squared 0.270247 S.D. dependent var 0.031587
S.E. of regression 0.026984 Akaike info criterion -4.512106
Sum squared resid 0.083734 Schwarz criterion -4.285841
Log likelihood 292.0066 Durbin-Watson stat 2.131419
Fuente: Fedearroz. Cálculos propios.
GráfiCo 1. Rentabilidad del precio del arroz Paddy en Colombia.
Riesgo de Mercado
Fuente: Fedearroz. Cálculos propios
112
Dado que no existe constante en la ecuación principal del modelo, el estado
estacionario de la serie es cercano a cero. Por otro lado, el modelo permite apreciar
una volatilidad de la serie de 1.79%. La diferencia entre la volatilidad histórica de la
serie (3.13%) y la pronosticada por el modelo (1.79%), radica en que la construcción
de la volatilidad del modelo se realiza con datos de los últimos meses (rezagos re-
cientes), mientras que la volatilidad histórica de la serie tiene en cuenta la totalidad
de los datos de la muestra. En conclusión, la volatilidad de largo plazo del precio
del arroz paddy es más alta que la volatilidad de corto plazo. Esto implica que en la
actualidad, la volatilidad ha tendido a reducirse, minimizando el riesgo por varia-
ciones en los precios.
En conclusión, la volatilidad del precio del arroz paddy, por cualquiera de los dos
métodos que se emplee, representa variaciones signifcativamente bajas ya que en nin-
gún paso esta por encima del 3.13%.
Para el caso de ciudades, dado que el precio promedio nacional ponderado sigue
un comportamiento similar, se tiene que las volatilidades de largo plazo son mayores
que las de corto plazo. Sin embargo, la volatilidad del precio es más alta en la ciudad de
montería, donde supera el 6%.
3.3. Riesgo de Liquidez.
Modelos de Cointegración
El análisis incluye activos líquidos de corto plazo, entendidos como aquellos activos que
se puede convertir fácilmente en dinero sin que el dinero pierda valor. A este rubro per-
tenecen las cuantas bancarias, las acciones, los bonos de corto plazo, etc. por otro lado,
los activos de corto plazo se entienden como todos aquellas deudas que tienen como
plazo máximo un año para su liquidación (proveedores, administración y nomina, deu-
das fnancieras de corto plazo, etc.)
Al analizar los activos líquidos entre 1989 y 2005 se encuentra que la tasa de cre-
cimiento promedio para el periodo es de 32,46%, mientras que los pasivos de corto
plazo han crecido 28,62% para el mismo periodo. Lo interesante del análisis radica en
que para los años 1993, 2000 y 2005 tanto los activos líquidos como los pasivos de corto
plazo presentan una reducción similar, mientras que para el resto de años, las tasas de
crecimiento son similares.
La gráfca 2 muestra el comportamiento de los activos líquidos y los pasivos de cor-
to plazo de la entidad crediticia representativa. Es evidente que a pesar de que las series
tengan diferentes niveles, particularmente a partir de 1996 en adelante, el comporta-
miento de las series es similar dado que crecen o decrecen en magnitudes similares en
periodos de tiempo similares.
Las tablas 6 y 7 muestran los resultados de la prueba de raíz unitaria para las series
analizadas. En ambos casos, el estadístico Dickey-Fuller permite concluir que las series
presentan raíz unitaria.
Luego de realizar diversas pruebas de Cointegración entre las series se encuentra
que existe una relación de Cointegración, tal y como se evidencia en la tabla 8. Por lo
anterior, entre 1989 - 2005 los activos líquidos y los pasivos de corto plazo de entidad
crediticia representativa crecieron a la misma tasa.
113
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Tabla 6. Prueba de Raíz Unitaria para los
Activos – Riesgo de Liquidez
Null Hypothesis: ACTIVOS has a unit root
Lag Length: 0 (Automatic based on SIC, MAXLAG=3)
t-Statistic Prob.*
Augmented Dickey-Fuller
test statistic -0.635726 0.8361
Test critical
values:
1% level -3.920350
5% level -3.065585
10% level -2.673459
Fuente: Entidad crediticia representativa. Cálculos propios.
GráfiCo 2: Activos y Pasivos de la entidad crediticia representativa.
Riesgo de Liquidez
Fuente: Entidad crediticia representativa. Cálculos propios.
Tabla 7. Prueba de Raíz Unitaria para los
Pasivos – Riesgo de Liquidez
Null Hypothesis: PASIVOS has a unit root
Lag Length: 0 (Automatic based on SIC, MAXLAG=3)
t-Statistic Prob.*
Augmented Dickey-Fuller
test statistic -0.947748 0.7449
Test critical
values:
1% level -3.920350
5% level -3.065585
10% level -2.673459
Fuente: Entidad crediticia representativa. Cálculos propios.
La tabla 8 muestra los resultados de la prueba de Cointegración. Igualmente, las
ecuaciones (9) y (10) se estimaron como aparece en (13) y (14).

(13)
(14)
De acuerdo con la tabla 8, existe un vector de Cointegración lo que muestra que los
activos y los pasivos comparten una senda de crecimiento homogénea a lo largo del
tiempo. Si se asume la defnición más básica de riesgo de liquidez como las pérdidas
potenciales en que puede incurrir una entidad por no contar con los activos líquidos
sufcientes para soportar los activos de corto plazo, en el caso de la Organización Arro-
cera con actividades de crédito, se observa que dicho riesgo esta ausente ya que ambas
series crecen a tasas similares en el tiempo.
( ) ( )
t t t t
Pasivos Activos Activos Diff ε + − =
− − 1 1
566 . 1 886 . 1
( ) ( )
t t t t
Pasivos Activos Pasivos Diff ε + − =
− − 1 1
566 . 1 072 . 2
114
Las ecuaciones (13) y (14) representan las ecuaciones de Cointegración. Dado que
existe un vector de Cointegración, la presencia de un equilibrio se evidencia en el he-
cho de que ambas ecuaciones comparten dicho equilibrio ( )
1 1
566 . 1
− −

t t
Pasivos Activos .
El vector esta normalizado, y al tener en cuenta el error estándar de los parámetros, es
posible apreciar su signifcancia al 95%. Por otro lado, la ecuación muestra que tanto
los activos como los pasivos rezagados un periodo afectan el comportamiento actual
de las series.
Los activos del periodo anterior afectan positivamente a los activos líquidos del pe-
riodo actual y a los pasivos de corto plazo del periodo actual, lo que implica que en la
medida que crecen los activos en el periodo ( ) 1 − t , tanto los activos como los pasivos
del periodo t crecerán en la misma proporción. Este es el sentido de la ausencia de ries-
go de liquidez, ya que siempre existirá una tendencia a igualar la tasa de crecimiento
de los activos líquidos a la tasa de crecimiento de los pasivos de corto plazo. Por otro
lado, los pasivos del periodo anterior afectan negativamente los activos líquidos y los
pasivos líquidos del periodo actual, lo que implica que en la medida que crecen los pa-
sivos del periodo
( ) 1 − t
, los pasivos del periodo t decrecerán llevando en si mismo un
decrecimiento de los activos líquidos en el periodo t (no se debe olvidar que las series
se mueven en la misma dirección y proporción).
Tabla 8: Prueba de Cointegración – Riesgo de Liquidez
Trend assumption: No deterministic trend
Series: ACTIVOS PASIVOS
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.812181 25.20142 12.32090 0.0002
At most 1 0.007787 0.117265 4.129906 0.7780
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
1 Cointegrating Equation(s): Log likelihood -531.0046
Normalized cointegrating coeffcients (standard error in parentheses)
ACTIVOS PASIVOS
1.000000 -1.566623
(0.02234)
Adjustment coeffcients (standard error in parentheses)
D(ACTIVOS) 1.886254
(0.76310)
D(PASIVOS) 2.072001
(0.59392)
Fuente: Entidad crediticia representativa. Cálculos propios
115
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Cuando los activos se encuentran por fuera del equilibrio (vector de Cointegración),
éstos retornan a la relación de equilibrio en 23 meses (1,88 años de velocidad de ajuste),
mientras que cuando los pasivos se encuentran por fuera de la relación de equilibrio,
éstos tienden a dicho vector en 25 meses (2,07 años de velocidad de ajuste). Lo anterior
implica que en un periodo determinado los activos y los pasivos pueden alejarse de la
senda de equilibrio, pero ambos retornarán a la misma aunque los activos retornen con
una rapidez relativamente mayor que los pasivos.
En términos generales, es posible apreciar que la entidad crediticia representativa
tiene activos líquidos que soportan sus pasivos de corto plazo, lo que explica el hecho
de que a pesar de que la entidad crediticia representativa tiene carteras signifcativas
con los agricultores (cerca de $18.000´000.000), ésta decidan mantenerle los canales de
crédito por considerarlos como un sujetos de crédito que le permiten tener un fujo de
caja tal que es posible cubrir los pasivos de corto plazo. Este hallazgo soporta la teoría
de que el adecuado manejo del riesgo de crédito que realiza la entidad le permite con-
trolar de manera directa el riesgo de liquidez.
3.4. Riesgo Operativo – Modelos Discretos
Para la medición del riesgo operativo se opto por construir una base de datos sencilla.
Se indago por la edad de 97 empleados que manejaban directamente recursos para la
cartera agropecuaria a 31 de octubre de 2006, el nivel educativo descrito por la tabla
9, los años de experiencia dentro de la compañía, el salario y se les pregunto si habían
incurrido en algún tipo de falla en el desarrollo de sus actividades cotidianas dentro
de la entidad crediticia representativa (olvido de alguna tarea, ejecución inadecuada
o incompleta de alguna tarea o error por fallas externas a su voluntad). Con estas 5
preguntas se construyó la base de datos que permitió realizar el modelo aquí descrito.
Tabla 9. Codifcación de Variables – Riesgo Operativo
Código Variable Característica
X
1
Edad En años cumplidos
X
2
Educación Variable discreta defnida así: 1=Secundaria incompleta; 2=Secundaria;
3=Universidad Incompleta; 4=Profesional; 5=Postgrados
X
3
Experiencia en la entidad
crediticia representativa
En años
X
4
Ingresos
En miles de pesos a 2006
Y
Falla
Variable dicotómica. Toma valores de 0=Ausencia de Falla; 1=Falla Operativa
Fuente: Entidad crediticia representativa. Cálculos propios.
Luego de realizar el modelo incluyendo todas las variables, se encontró que única-
mente era signifcativa la variable años de experiencia. La tabla 10 muestra los resulta-
dos de la regresión.
Particularmente, la probabilidad de que un empleado de la entidad crediticia re-
presentativa incurra en fallas en la realización de sus labores cotidianas no depende de
la edad, el nivel educativo o el salario que devenga. La probabilidad de incurrir en falla
operacional depende de la antigüedad del empleado en la entidad. El valor negativo
116
del parámetro permite apreciar que en la medida que un empleado adquiere mayor
experiencia en años dentro de la entidad, la probabilidad de que cometa errores en la
ejecución de sus labores disminuye (signo negativo del parámetro).
Lo anterior implica que los empleados de menor experiencia (2 años o menos) se-
ñalaron cometer errores en la ejecución de sus tareas. La probabilidad promedio de
incurrir en fallas operacionales se sitúo alrededor de 15.53%. Si esta se toma como una
medida del riesgo operacional, es evidente que el mayor riesgo de la entidad obedece
al riesgo operativo más que al riesgo de crédito, de liquidez o de mercado.
Si se asume por ejemplo que a 2006 los activos de la entidad crediticia representa-
tiva ascendieron a $295`171.562 (este es un valor teórico únicamente) y que la probabili-
dad de que un empleado incurra en falla operacional, el monto de los activos expuestos
por motivo operacional asciende a $45`849.498 siempre que se defna como perdida
esperada por riesgo operacional a la multiplicación del monto total de los activos por la
probabilidad de falla humana. La tabla 11 resume este hallazgo.
Tabla 11. Cuantifcación del Riesgo Operativo.
Activos 2005 Probabilidad Falla Perdida Esperada
$295`171.562 15.53% $45`849.498
Fuente: Entidad crediticia representativa. Cálculos propios
El riesgo operacional es una fuente de posible pérdida. Sin embargo, la medida aquí
construida es muy básica por varios motivos. Primero, el modelo se realizó con datos de
una encuesta que puede presentar sesgos y errores. Segundo, solo se tiene en cuenta
riesgo por falla humana, desconociendo factores externos (sistemas, etc.). Tercero, no
se tiene en cuenta la probabilidad de estafa que lleve a la entidad crediticia represen-
tativa a incurrir en perdidas por riesgo del factor humano. Sin embargo, la incipiente
Tabla 10. Resultados de la Regresión – Riesgo Operativo
Dependent Variable: FALLA
Method: ML - Binary Logit (Quadratic hill climbing)
Included observations: 97
Covariance matrix computed using second derivatives
Variable Coeffcient Std. Error z-Statistic Prob.
EXPER -0.282541 0.058596 -4.821872 0.0000
Mean dependent var 0.123711 S.D. dependent var 0.330962
S.E. of regression 0.317980 Akaike info criterion 0.672523
Sum squared resid 9.706653 Schwarz criterion 0.699067
Log likelihood -31.61738 Hannan-Quinn criter. 0.683256
Avg. log likelihood -0.325952
Obs with Dep=0 85 Total obs 97
Obs with Dep=1 12
Fuente: Entidad crediticia representativa. Cálculos propios
117
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
construcción de modelos de riesgo operacional no permite avanzar más allá de los cál-
culos básicos aquí presentados.
4.conclusIones
En esta investigación se cuantifcaron los riesgos fnancieros de una entidad crediticia
representativa que otorga créditos al sector agropecuario, y dentro de este a la sector
arrocero. Por medio de modelos econométricos se obtuvo la medida de probabilidad
de incumplimiento de las obligaciones fnancieras de los deudores de la entidad. Igual-
mente, se realizó el cálculo de la pérdida esperada, utilizando criterios de la Superinten-
dencia Financiera de Colombia y del Global Association Risk Professionals. El cálculo de
los riesgo fnancieros de la entidad muestra que existe una baja probabilidad de que los
deudores incumplan sus obligaciones fnancieras (6.34%), razón por la cual la continua
inyectando liquidez a este sector. Este hecho hace que a pesar de que la cartera sea am-
plia (más de 18 mil millones de pesos), siga siendo fuente de crédito del sector arrocero
en Colombia.
Por otro lado, se cuantifcó el riesgo de mercado derivado de la comercialización
de del arroz paddy, por medio de modelos de volatilidad. Este procedimiento se realizó
teniendo en cuenta las observaciones de Vilariño. Al realizar los cálculos de volatilidad
se encontró que la baja volatilidad de los precios de materias primas (1.79% calculada
por un modelo de volatilidad y 3.13% la volatilidad histórica), en ningún caso sobre pasa
el 3.13%, razón por la cual se puede considerar que los ingresos operacionales de la enti-
dad crediticia representativa son relativamente estables, ya que la estabilidad de ingre-
sos de los productores tradicionales se traduce en estabilidad para la entidad crediticia.
Para el cálculo de riesgo de liquidez, se utilizó el método de Cointegración de acti-
vos líquidos y pasivos de corto plazo para evaluar la hipótesis de ausencia de riesgo de
liquidez en escenarios de Cointegración de las series. Al realizar el ejercicio empírico,
se encontró que la ausencia de riesgo de liquidez (activos líquidos y pasivos de corto
plazo cointegrados), es un criterio clave que permite observar que la entidad crediticia
representativa cuenta con el respaldo a sus deudas de corto plazo. Este nuevo hallazgo
ratifca la conclusión de que la cartera arrocera que tiene la entidad crediticia represen-
tativa es de alta calidad por su bajo nivel de riesgo.
Finalmente, se cuantifcó el riesgo operacional con un modelo de elección discreta
que permitía calcular la probabilidad de error humano en la realización de tareas pro-
pias de las divisiones de otorgamiento y seguimiento de créditos de la entidad crediticia
representativa que llevaran a pérdidas potenciales. El cálculo de estas probabilidades
permitió cuantifcar el riesgo operacional de la entidad, llevando a la conclusión de que
la probabilidad de falla humana en el desarrollo de tareas cotidianas esta alrededor del
15.53%, señalando que la entidad está en riesgo operacional en escala media. Sin em-
bargo, los cálculos del riesgo operacional son básicos en respuesta a que la teoría aún
es incipiente.
A lo largo del documento se puede apreciar que el riesgo nace de un proceso de
incertidumbre. La microeconomía cuenta con bases teóricas sólidas para el análisis de
la incertidumbre en el análisis de la toma de decisiones humanas, y la estadística provee
118
las herramientas necesarias para su cuantifcación. Cuando no se conoce la realización
de un evento futuro, existe la probabilidad estadística de incurrir en pérdida o ganan-
cias potenciales no anticipadas. Sin embargo, la identifcación, medición y control de
riesgos fnancieros son campos relativamente nuevos, y aunque sus construcciones
teóricas se han desarrollado ampliamente durante los últimos años, aun existe un am-
plio campo de investigación.
biblioGrafía
CANVOS, George (1988). “Probabilidad y estadística. Aplicaciones y mé-
todos”. Primera edición. McGraw-Hill. México. Página 28.
JORION, Philippe (2003). “Financial Risk Manager Handbook”. Global
Associations Risk Professionals –GARP-. Second Edition. Wiley –
John Wiley & Son, Inc. New Jersey. Pages 391- 440.
MONSALVE, Sergio & ARÉVALO, Julián (2004). “Un curso en teoría de
juegos clásica”. Unidad de Estudios e Interacciones Económicas.
Universidad Nacional de Colombia y Universidad Externado de
Colombia. Bogotá. Página 1.
NICHOLSON, Walter (1997). “Teoría Microeconómica. Conceptos bási-
cos y aplicaciones”. Sexta edición. McGraw-Hill. España. Página
165.
ROA P., John (2006). “Notas practicas de Econometría”. Memorias sin
publicar. Bogotá, Abril de 2006. Páginas 3-40.
VILARIÑO S., Angel (2001). “Turbulencias Financieras y Riesgos de Mer-
cado”. Pearson Educación S. A., Financial Times – Prentice Hall.
Madrid, España. Páginas 1- 18, 161 – 171 y 275 – 280.
119
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
capÍtulo 4.
Instrumentos fInancIeros para el mercado
del arroz blanco en colombIa
Carolina Cardozo Carvajal
Andrés Feipe Jiménez Cortés
John Jairo Roa Prieto
RESUMEN
E
l presente capitulo expone la factibilidad de desarrollar un mer-
cado organizado para el arroz blanco en Colombia, a través de
opciones. El texto plantea las herramientas necesarias para la reali-
zación de este tipo de instrumentos fnancieros y las características
que deben contemplar en el desarrollo de un mercado organizado en
el país para su ejecución exitosa. El diseño y modelación de la opción
propuesta se realiza por medio de una aplicación matemática en Ex-
cel que permite determinar el precio teórico de la prima con base en
modelos usados en el mercado.
120
ABSTRACT
The present chapter put forward the possible way to develop
an organized market for the white rice in Colombia, throught
the options. The text sets out the required tools for carrying out
of this kind of fnancial instruments and the characteristics that
should contemplate the development of an organized market in
the country for successful execution. The design and the model
of proposal option is done throught a mathematical application
in Excel that allows establish the theorical option price according
to the models used in the market
PALABRAS CLAVE: Mercado a plazo, Instrumentos Deriva-
dos, modelo de valoración Black-Scholes-Merton, mercado de
arroz blanco en Colombia, volatilidad de precios.
KEY WORDS: Future Market, Derivative instruments, asses-
ment model Black-Scholes-Merton, White rice market in Colom-
bia, Price volatility
CLASIFICACIÓN JEL: G12, G15, Q14.
121
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
1. IntroduccIon
El mercado de materias primas agrícolas está expuesto a continuas especulaciones por
las condiciones de mercado, del consumo, del clima y la competencia, entre otras. Por
este motivo, es indispensable que todos los sectores productores de materias primas
agrícolas dispongan de instrumentos fnancieros que les permitan enfrentar las circuns-
tancias adversas del mercado. A causa de la entrada de nuevos retos comerciales, la
creciente competencia y los permanentes cambios climáticos, el mercado de productos
agrícolas es un sector crítico en el proceso de integración comercial mundial, por fac-
tores como la seguridad alimentaria, la infación agrícola, y su vulnerabilidad social en
términos de generación de empleo e ingresos al sector rural. En este sentido, el sector
agrícola debería contar con instrumentos de protección efectivos para derivar los bene-
fcios del proceso de integración de los mercados y liberalización de los mismos.
El mercado agrícola del arroz en Colombia, se caracteriza particularmente por te-
ner una estructura de oligopolio, lo que difculta la generación de instrumentos para
una determinación del precio real. Igualmente, el sector arrocero es importante para el
gobierno, en términos de empleo y desarrollo del sector rural. Debido a esta estructura
y circunstancia en la que se desenvuelve el sector arrocero, es primordial prepararlo con
el fn de poder ser competitivo en términos de precio, a nivel internacional, minimizan-
do el riesgo de grandes movimientos en los precios.
Sin embargo, la protección que se le otorga al productor por medio de subsidios guber-
namentales no es del todo confable para solucionar el riesgo de precio, y eventualmente
ayudar a mitigar circunstancias adversas del clima. Dado que el arroz colombiano carece
de instrumentos que mitiguen el riesgo de mercado, lo cual puede ocasionar perdidas a los
productores. Si se utiliza instrumentos fnancieros para mitigar el riesgo, se logra:
• Disminución del riesgo de mercado
• Precios estandarizados, lo cual disminuye la volatilidad
• Comprar, con anterioridad, el arroz con características defnidas
El presente capítulo pretende evaluar la factibilidad de implementar las opciones
como derivado fnanciero para el mercado del arroz en Colombia, con el fn de proveer
métodos para minimizar el riesgo en situaciones de escasez o bonanza de producción,
lo que no expresa la realidad de la demanda y oferta de un bien, es decir, no se transa
con el precio óptimo. Además este proyecto también responde a la necesidad de ajus-
tes en los cambios en la internacionalización de los mercados fnancieros.
2. fundamentacIón teórIca
2.1. Teoría de Mercados a Plazo
el mercado a plazo también es conocido como mercado de derivados y esta defnido como
“Un mercado donde individuos comercializan contratos estandarizados que han sido
defnidos en el momento del intercambio” (HULL, 2003 Pág. 1), es decir, “es un merca-
122
do en el cual se negocian contratos, estipulan que las partes se comprometen a com-
prar o vender, en una fecha futura, un numero determinado de un bien a un valor que
se fja en el momento de la negociación” (BOLSA DE SANTIAGO).
Para comercializar en un tiempo futuro se utilizan contratos en donde se establece
el precio y la fecha a la cual se intercambiara la mercancía.
Estos mercados se han desarrollado como evolución de transacciones en el tiempo
real, o mercado al contado, en donde las transacciones se ejecutan en el momento de la
negociación. En otras palabras, la evolución de la transacción clásica de operaciones de
compra y venta comienzan a establecer cantidades y calidad de la mercancía, y a medida
que pasa el tiempo los contratos a futuros son desarrollados con base en la practica del
mercado a contado. Este esquema se puede evidenciar en los orígenes de la bolsa de Chi-
cago; de acuerdo a Hull a mediados del siglo XIX, en donde se reunían los granjeros ameri-
canos para intercambiar sus cosechas, inicialmente establecieron cantidades y calidades
de los granos y luego los contratos a plazo para commodities, es decir, aquellos productos
genéricos los cuales no se diferencian entre si (ECONLINK, 2007).
Según Gutiérrez, para lograr establecer un ambiente propicio para los futuros, el
mercado debe mostrar una serie de comportamientos determinados por:
• Oferta y demanda inciertas en el tiempo.
• Atomización de la oferta
• Un gran mercado disponible en términos de operaciones
Sin embargo, a pesar de los comportamientos anteriormente mencionados, la
volatilidad en los precios del activo es la variable fundamental para el desarrollo del
mercado a plazo, esto implica que “el precio debe oscilar por oferta y demanda, y esa
oscilación debe ser percibida por los agentes como perjudicial” (GUTIERREZ, 2004).
2.2. Participantes del Mercado a Plazo
Hedger
Este tipo de participante es aquel al cual le interesa cubrirse del riesgo, en otras pa-
labras, “they want to avoid an exposure to adverse movements in the price of an asset”
(HULL, 2003 Pág. 11). Estos participantes se protegen de movimientos en los precios
comprando un contrato a futuro el cual les permite saber con certeza el precio al cual
van a vender su mercancía. El interés de estos participantes es no estar expuestos a
vender su producto en escenarios de precio muy bajo, ya que “cuando mas alto es el
valor de su stock mayor será el riesgo al cual estará expuesto” (ENETSPECULATION)
Especuladores
Este tipo de participante es aquel que busca anticipar los cambios en el precio y obtener
una ganancia de la posterior venta (PÉREZ BARBEITO, 2007), o según términos de Hull
“speculators wish take a position in the market. Either they are betting that the price will
go up or they are betting that it will go down”, (HULL, 2003, Pág. 12). Según Kozikowsky
la especulación puede ser defnida como una apuesta sobre la variación de los precios
123
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
futuros, dado el caso de que la expectativa se cumpla el especulador tiene ganancia, de
lo contrario obtendrá perdida. (KOZIKOWSKY, 2000)
Arbitradores
El arbitrador según Hull, es aquella persona que busca benefcio en los desequilibrios que exis-
ten en dos o mas mercados (HULL, 2003). Esto quiere decir que las oscilaciones en los precios
de diferentes mercados son aprovechados por estas personas, pues ellos consiguen un activo
a un menor precio en un mercado y lo negocian en otro donde sea más alto su precio
1
.
Además de obtener ganancias a costa de las variaciones en los mercados, de manera
indirecta los arbitradores ayudan a un mercado a aterrizar sus precios a la realidad, o me-
jor dicho, igualan los precios en las dos economías en donde los arbitradores participan.
2.3. Clasifcación del Mercado a Plazo
En el mercado a plazo existen dos maneras de negociar: bajo el mercado regularizado
(las bolsas), o por medio del mercado Over-The-Counter (OTC).
• El mercado OTC: Es el lugar donde “se operan acciones de compañías que por no
cumplir los requisitos necesarios para cotizar no entran en los mercados ofcia-
les. A diferencia del mercado regulado, cada parte debe encontrar su contrapar-
tida, de esta manera se generan operaciones a precio superior o inferior al que
se estipula en el mercado, y en este tipo de mercado no existen tantos requisitos
para hacer viable la operación.” (LAVIN M, 2005). De otra manera, es el lugar en
donde se negocian activos de empresas que no se encuentran certifcadas por
las bolsas nacionales, y se caracteriza porque las negociaciones se hacen de ma-
nera directa y los contratos son hechos según las necesidades del cliente.
• El mercado organizado: Es el mercado donde se transan contratos estanda-
rizados que han sido establecidos por la bolsa (Hull,2002). En la medida que
los precios son conocidos en tiempo real, se presenta una menor distorsión de
los mismos en comparación con el mercado OTC, en donde no existe una pu-
blicación de los precios de transacción. Por otro lado, el riesgo de contraparte
se disminuye debido a la presencia de instituciones que velan por la seguridad
del proceso. El mercado organizado los participantes incurren en costos y en
algunos casos menores utilidades que en el OTC, debido a la seguridad de la
transacción que genera pago de comisiones.
2.4. Ventajas y Desventajas de Mercado a Plazos
Ventajas
Según Gómez, los instrumentos fnancieros hacen que el inversionista tenga una cober-
tura; es decir, si ocurren variaciones desfavorables para el inversionista, puede minimi-
1 “A diferencia de la especulación el arbitrador no corre ningún riesgo pues el compra y vende en el mismo instante
que empieza la transacción, y no usa fondos propios para la transacción pues vende antes de liquidar la compra,
lo que por ende solo le deja al arbitrador la diferencia de la venta con la compra” (Kozikowsky 2000, Pág.83).
124
zar esas variaciones utilizando derivados fnancieros, los cuales le permiten al inversio-
nistas pactar un precio previamente acordado lo que le genera mayor confanza sobre
sus ingresos futuros (GÓMEZ, 2001).
Mitigar el riesgo ya que el inversionista se ve obligado a negociar en el mercado OTC
en donde se pueden formar precios bajos en el futuro. Por un lado esto se debe al fenó-
meno mencionado por Hull, donde el precio spot tiende a converger al precio del futuro,
dado que en el evento que el precio futuro sea más alto que el precio “Spot”, se genera
una oportunidad de arbitraje, por lo cual, el precio de los futuros caerá. Por otro lado,
suponiendo que los precios futuros están por debajo del precio actual durante el periodo
que vence el contrato, los participantes estarán interesados en adquirir el bien, por lo que
encontrarían atractivo ingresar en los contratos de futuros, y esperarían el vencimiento
de las opciones, y durante ese proceso el precio tiende a subir (HULL, 2003, Pág. 23).
Fortalece el precio base de los productores aumentando el precio de venta (CHICA-
GO BOARD OF TRADE, 2007), este aumento de precio se da con miras a la igualación
con el precio del mercado regularizado, así los productores reciben mayores ganancias.
Desventajas
Según Kozikowsky en el mercado a plazo se encuentran tres tipos de riesgo:
• Riesgo sistémico: es aquel que se presenta cuando existen efectos de contagio o
crisis fnancieras mundiales, generadas por el incumplimiento de instituciones.
• Riesgo político: generado cuando los gobiernos de los países aplican restric-
ciones al movimiento de capital, lo que provocaría que no se pudieran efectuar
contratos a plazo. En la medida que el riesgo político sea más alto, el precio del
forward aumentara.
• Riesgo de cobertura: es el riesgo de que un operador no pueda cubrir sus posi-
ciones, es decir que no tenga la capacidad de cumplir con sus contratos, dado
que no puede venderlos o comprarlos por falta de liquidez del mercado. (KO-
ZIKOWSKY, 2000).
2.5. Teoría de Instrumentos Derivados
2.5.1. Forward
Este instrumento es el clásico de los derivados, porque se derivan los demás,. Es decir,
el fundamento de todos los instrumentos derivados es el mismo forward. Ahora, este
instrumento esta defnido según Hull como “is a particularly simple derivate, it is an agre-
ement to buy or sell an asset at a certain future time for a certain price” (HULL, 2003, Pág.
2), en otros términos, es un contrato escrito en el cual se acuerda la compra o venta de
un producto en una fecha futura acordada.
El texto de “Option, Futures and other derivates” de John Hull, se hace referencia a
las siguiente característica en los forward:
• Un contrato forward es comercializado en el mercado OTC. Es decir, los con-
tratos forward no son estandarizados, se ajustan a las necesidades de las con-
125
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
trapartes, no requieren exigencias en la medida que no hay una institución que
evalué las capacidades de las partes. (HULL, 2003, Pág. 2)
Por otro lado, en el texto de “Finanzas Internacionales” de Kozikowsky, se describen
otras características de este instrumento:
• Pueden ser utilizados como instrumentos de especulación, en la medida que
las personas que inicialmente buscan cubrirse del riesgo, terminan especulan-
do sobre el precio de los bienes, y los contratos ya no los guardan hasta que
se cumpla la fecha de vencimiento para el intercambio, sino por el contrario
comienzan a comprarlos y venderlos antes de la fecha de vencimiento para
benefciarse de las expectativas del mercado, es decir, los “hedger” terminan
siendo “especuladores”.
2.5.2. Opciones
Una opción es defnida según Hull, como el derecho de comprar o vender un bien en el
futuro (HULL, 2000). En ese sentido, las opciones tienen una diferencia fundamental
con los forward, ya que estos últimos generan obligación de realizar una transacción
mientras que la opción ofrece la posibilidad de no ejercer la posición, según las circuns-
tancias del mercado. En una defnición precisa Kozikowsky sostiene que “es un derecho
que confere al comprador el derecho, pero no la obligación, de comprar o vender una
cantidad determinada a un a fecha determinada”. (KOZIKOWSKY, 2000, Pág. 157) Este
derecho tiene un costo que es conocido como la prima o costo de la opción.
Características de las opciones
• Las variables de una opción son: precio al contado del activo subyacente, pre-
cio del ejercicio (K) este hace referencia al precio estipulado en el contrato. La
prima, que se refere al precio de la opción, que se paga al frmar el contrato,
puede estar defnida como un seguro que respalda el cumplimiento del contra-
to (KOZIKOWSKY, 2000).
• Las opciones transadas en bolsa se liquidan a través de cámaras de compensa-
ción, de forma que el comprador ni el vendedor se encuentran directamente
(KOZIKOWSKY,2000).
Tipos de opciones:
• Existen dos tipos básicos de opciones, aquella que da el derecho a comprar
“call option”, y aquella que da el derecho a vender “put option”.
Clasifcación por fecha de ejercicio:
• Dentro de las opciones de compra y venta o Call y Put respectivamente, tam-
bién se encuentra una clasifcación en términos de fecha de ejercicio. Por un
lado las Opciones Americanas, que son las más costosas, se pueden negociar o
liquidar en cualquier momento durante la vigencia del contrato. Por otro lado
126
están las Opciones Europeas que solo se pueden ejercer en la fecha estipulada
en el contrato, en ese sentido tienen una prima menor en comparación con las
opciones americanas. (KOZIKOWSKY, 2000).
• “Para cada fecha de vencimiento existen diferentes precios del ejercicio” (KO-
ZIKOWSKY,2000, Pág. 157).
Precio:
• Desde el punto de vista de los precios de las opciones, se pueden dividir los
rendimientos en tres clases:
o At the Money: donde el precio de ejercicio es igual al precio del mer-
cado
o In the Money: en la cual se generan ganancias, ya que el precio de
ejercicio es menor que el precio del mercado, en el caso de la opción
Call. En el caso de la opción Put, se generan ganancias si el precio del
ejercicio es mayor que el precio de mercado o spot.
o Out of the Money: se da cuando el precio de ejercicio de la opción
genera pérdidas en comparación con los precios del mercado spot.
(KOZIKOWSKY, 2000).
• Las opciones son transadas en el mercado OTC y en el mercado regularizado
(HULL, 2000, Pág. 6).
2.5.2.1 estrategias de cobertura con opciones
Hasta ahora se ha mencionado la cobertura que puede encontrar un actor del mercado
arrocero adquiriendo una sola opción. Sin embargo, cuando se tranzan varios contra-
tos de opciones en el mercado es posible encontrar otras oportunidades de negocio,
que son interesantes para cualquier persona, independientemente que sean actores
directos del mercado arrocero o no. Bull defne estas estrategias como “Estrategias que
involucran tomar posiciones en dos o mas opciones de el mismo tipo” (Bull, 2000, Pag.
187). Estas estrategias de cobertura son populares en cualquier tipo de opción, es decir,
de divisas, mercancía o indices bursartiles. Las estrategias mas extendidas son las toro
(bull spread), oso (bear spread), mariposas (butterfy spread) y combinadas como la
cóndor por ejemplo.
Estrategia Toro (Bull Spread)
Esta estrategia de cobertura esta dirigida para aquellos que tienen opciones call y que
creen que el precio va a tener una tendencia alcista. Para los que tienen la opción put la
expectativa sobre el precio es bajista, es decir, para los actores denominados Hedger o
quienes buscan cobertura. Este tipo de actores pueden ejercer estrategias toro cuando
tienen una opción que vence el día t, y encuentran otra que vence el mismo día que la
primera, pero esta última le ofrece un precio de ejercicio más atractivo que la posee,
en tanto que tiene una prima mas costosa. En esa medida, vende la opción que tiene y
127
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
compra otra opción con una prima más costosa. Dado que decide pagar un poco más
por cobertura, esta estrategia requiere una inversión inicial (Hull, 2000).
En ese sentido, la expectativa de los actores que deciden desarrollar esta estrategia
es que los precios en el futuro o al menos hasta la fecha de vencimiento de las opciones,
tenderá a la baja para el caso de hacer la estrategias con put, pero en el caso de un ac-
tor que tenga opciones call, su expectativa es que el precio tienda a subir en el futuro.
Por ejemplo, un actor que tiene una opción call que vence el 01-Feb-2010 con un
precio de ejercicio de 100, encuentra en el mercado una opción que igualmente vence
el 01-Feb-2010 pero con un precio de ejercicio de 90. En la medida que el actor cree que
los precios van a subir, prefere comprar una opción más costosa pero que le ofrezca
mejor precio de ejercicio. Para el caso del participante que tenga opciones put, este
tiene una opción que vence el 01-Feb-2010, con un precio de ejercicio de 100, encuentra
una opción que vence el 01-Feb-2010, pero con un precio de ejercicio de $110. En esa
medida vende la opción que posee en $3 y compra una que le ofrece mejor cobertura
y, obviamente tiene una prima costosa que cuesta $5. Se puede apreciar el ejercicio de
una manera sencilla la estrategia toro en el cuadro 1.
Cuadro 1. Operación Toro con put y call.
Tipo
Opción Transacción
Día
vencimiento
Precio
Ejercicio Prima
C
A
L
L compra 01-Feb-10 $ 90 $ 5
Vende 01-Feb-10 $ 100 $ 3
P
U
T
compra 01-Feb-10 $ 110 $ 5
Vende 01-Feb-10 $ 100 $ 3

Fuente: Construcción propia.
Estrategia Oso (Bear Spread)
La estrategia oso esta dirigida para aquellos actores que buscan tener ganancias con la com-
pra y venta de opciones, es decir, no tienen interés en buscar coberturas por variaciones en
el precio, en la medida que perciben que los precios no tenderán a tener un comportamien-
to adverso a sus expectativas de riesgo, es decir, que el precio ofrecerá escenarios de poco
riesgo. Un participante ejecuta este tipo de estrategia cuando compra una opción con una
prima menor a la opción que vende, en tanto que obtiene una ganancia por la diferencia de
precio entre las primas. Esta estrategia se puede tomar cuando se encuentran dos opciones
que vencen el mismo día, pero tienen precios de ejercicio diferentes, en tanto que las primas
son diferentes. Esta estrategia no requiere una inversión inicial (Hull, 2000).
La expectativa de los actores que tienen call y deciden ejecutar esta estrategia es
que los precios van a bajar, por lo tanto los actores tienen una posición corta en el mer-
cado; si se ejerce una estrategia oso con opciones put, la expectativa es que los precios
tenderán a subir, de manera que tiene una posición larga en el mercado.
Por ejemplo, un actor que tiene una opción call que vence el 01-Feb-2010 con un
precio de ejercicio de $80, encuentra en el mercado una opción que igualmente vence
el 01-Feb-2010 pero con un precio de ejercicio de $100. En tanto que el actor cree que
128
los precios van a bajar, prefere comprar una opción más barata que tiene una cobertura
prudente. Para el caso del participante que tenga opciones put, este tiene una opción
que vence el 01-Feb-2010, con un precio de ejercicio de $100, encuentra una opción que
vence el 01-Feb-2010, pero con un precio de ejercicio de $80. Dado que considera que
los precios tenderán a subir, vende la opción que tiene en $5 y compra una que le ofrece
una cobertura menor y, obviamente tiene un valor menor, en este caso que cuesta $3.
Se puede apreciar el ejercicio de una manera sencilla la estrategia toro en el cuadro 2.
Cuadro 2. Operación Oso con put y call.
Tipo
Opción Transacción Día vencimiento
Precio
Ejercicio Prima
C
A
L
L
compra 01-Feb-10 $ 100 $ 3
Vende 01-Feb-10 $ 80 $ 5
P
U
T
compra 01-Feb-10 $ 80 $ 3
Vende 01-Feb-10 $ 100 $ 5

Fuente: Construcción propia.
Estrategia Mariposa (Butterfy Spread)
Esta estrategia se puede crear cuando se toma posición con tres opciones con precios
diferentes pero con una fecha de vencimiento igual (Hull, 2000). De acuerdo con Hull,
esta estrategia es apropiada para aquel inversor que cree que los movimientos bruscos
en los precios no son poco probables (Hull, 2000, Pág. 191).
Esta estrategia se puede crear cuando se compran dos call y se venden dos call con
un precio de ejercicio intermedio.
Por ejemplo, se compra una opción call con un precio de ejercicio de $100 y una
prima de $3, también se compra otra opción con un precio de ejercicio de $80 con una
prima de $5, en el momento que adquiere las dos opciones del mismo tipo (Call) vende
dos opciones con un precio intermedio, es decir, dos nuevas call con un precio de ejer-
cicio de $ 90 (el intermedio entre el precio de la primera call $100 y la segunda call $80),
con una prima intermedia de $4. Cuando se ejecuta la estrategia con opciones put, se
compran dos put con una fecha de vencimiento igual, una con una prima de $5 y otra
con una prima de $3, en tanto que vende una tercera con un precio de ejercicio y prima
intermedio. Este ejercicio se puede evidenciar en le cuadro 3.
Cuadro 3. Operación Mariposa Comprada con call y put.
Tipo
Opción Transacción Día vencimiento
Precio
Ejercicio Prima
C
A
L
L
Compra Call1 01-Feb-10 $ 100 $ 3
Compra Call2 01-Feb-10 $ 80 $ 5
Vende 2 Call 01-Feb-10 $ 90 $ 4.5
P
U
T
Compra Put 1 01-Feb-10 $ 100 $ 5
Compra Put 2 01-Feb-10 $ 80 $ 3
Vende 2 Put 01-Feb-10 $ 90 $ 4.6
Fuente: Construcción propia.
129
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
En este caso el cuadro 3 muestra una Mariposa Comprada, de manera que, se com-
pran 2 opciones hoy para venderlas en el futuro con un precio intermedio. En el ejemplo
particular si el precio de mercado a futuro de la Call es menor a 80, se genera una per-
dida, pero si el precio está entre 90 y 100, la ganancia está dada por la diferencie entre
el precio de mercado y el precio de ejercicio de la primera Call, en tanto que si el precio
futuro es menor a 90 obtendrá la ganancia de haber realizado la operación.
Estrategia Cóndor
Esta estrategia está dirigida a aquellas personas que no tienen expectativas de cambios
inciertos en los precios. En esta medida, la estrategia de mariposa y cóndor se acomo-
dan a mercados volátiles, por medio de cuatro transacciones, con un tipo de opción
igual, las cuales se ejecutan en un solo día. En esa medida, la estrategia se crea cuando
se compran dos call con un precio de ejercicio diferente y se venden otras dos call con
precios de ejercicio diferentes. Para ello, se compran dos opciones call, una de estas
opciones genera una perdida debido a que esta OTM (Out the Money) y la otra genera
ganancias ya que esta ITM (In the Money). Ahora bien, la segunda operación para llevar
a cabo esta estrategia es, vender 2 call, en donde una es OTM cercana a ser ATM (At The
Money) es decir que quede en punto de equilibrio y la otra call es ITM que tiende a ser
ATM. (Santabolsa, 2007).
Es importante mencionar que esta estrategia busca limitar la pérdida, en tanto que
para ello esta dispuesto a sacrifcar una ganancia ilimitada.
Estrategias Combinadas
Estas estrategias permiten tomar posiciones con opciones de diferente tipo, put y call
pero con una fecha de vencimiento igual. Las más conocidas, son: Straddles, Strips and
straps. Estas estrategias están dirigidas para aquellos que consideran que los precios ten-
drán cambios inciertos, bruscos o grandes en el mercado. Esta expectativa se puede ge-
nerar cuando se sabe que va vender o comprar una compañía, en el caso de las acciones.
Estrategia Straddle
Esta estrategia permite la compra de una call y una put con la misma fecha de venci-
miento y precios iguales, es decir, adquiere una call y una put con un precio de ejercicio
de $100 y una prima de $3 y $5 respectivamente. El peor escenario que puede tener
alguien que ejecute esta estrategia es que los precios del futuro sean los mismos que los
del ejercicio, en ese sentido se perderá el pago por las primas.
Strips y Straps
Según Hull, la estrategia strip consiste en esperar que los precios suban, en otras pa-
labras, tener una posición larga con una opción call y dos opciones put con el mismo
precio de ejercicio (Hull, 2000, Pág. 195).
La estrategia strap consiste en esperar que el precio suba, o tener posición larga
con dos opciones call y una opción put con precio de ejercicio y vencimiento igual. (Hull,
2000).
130
Strangles
Según Hull, en esta estrategia el inversor apuesta que habrá un movimiento amplio de
los precios, pero es incierto si será a la baja o al alza. En este caso, la operación consiste
en comprar una opción put y una opción call con la misma fecha de vencimiento y dife-
rentes precios de ejercicio.
Estrategias Calendario (Calendar spread)
En este tipo de estrategia, las opciones sobre las que se toma posición tienen un pre-
cio de ejercicio igual pero con vencimientos diferentes. Esta operación se puede crear
comprando una opción con vencimiento largo y vendiendo una opción de vencimiento
corto. Este tipo de estrategias requiere una inversión, ya que el precio de las primas es
más alto cuando tienen un vencimiento mayor. (Hull, 2000)
2.5.2.2. Ventajas de opciones bursátiles
• Tamaño relativamente pequeño de un contrato
• Estandarización de los contratos
• Existencia de un mercado secundario activo
2
2.6. Valoracion de Prima (Precio) de la Opción: Modelo
Black-Scholes-Merton
El modelo Black Scholes Merton, fue creado por Fisher Black, Myron Scholes y Robert
Merton, en 1973 cuando apareció publicado por primera vez en el Journal of Political
Economy. Desde entonces el modelo ha tenido gran acogida en los mercados para
valorar derivados fnancieros. Tanto así, que en 1997 Robert Merton y Myron Scholes
recibieron el premio Nóbel de Economía, por su aporte a las fnanzas. Fisher Black infor-
tunadamente falleció 2 años antes de que sus colegas fueran premiados.
El modelo es una aplicación del cálculo estocástico, es decir, el cálculo que conside-
ra variables que tienen un comportamiento aleatorio o un proceso estocástico. El cálcu-
lo estocástico también implica que una función no tiene un resultado exacto o discreto,
sino un rango, de manera que una función puede tener varios resultados posibles. De
esta forma la variable puede fuctuar en ciertos puntos (variable discreta), o variar en un
rango (variable continua).
El modelo se basa en el movimiento Browniano geométrico, el cual intenta explicar
el movimiento de las partículas de polen, y sostiene que el movimiento de una partícula
es independiente a su posición anterior.
Según Bradley el modelo tiene los siguientes postulados:
• Los activos no pagan dividendos durante la vida de la opción: las compa-
ñías pagan dividendos a sus accionistas. Esto genera una seria limitación
2 El mercado primario se refere a aquel en donde se colocan por primera vez los contratos, es decir emisión
primaria. -mientras que el secundario tranza con títulos ya emitidos, por lo que hay mayor cantidad de compra-
dores y vendedores.
131
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
para implementar el modelo debido a que altas producciones de dividen-
dos, generan poca ganancia en las Call. Una manera de ajustar el modelo
para esta situación es sustraer el valor descontado de un dividendo del fu-
turo del precio de la acción.
• Los términos de ejercicio Europeo son usados: esto se debe a que muy pocas
Calls son ejercidas en los primeros periodos de vida de la opción ya que se
pierde el valor del tiempo restante sobre la Call y recoger el valor intrínseco
hacia el fnal de la vida de la Call a pesar de que éste es el mismo durante la
vigencia de la opción.
• Los Mercados son Efcientes: esta suposición sugiere, que las personas no
pueden predecir de manera exacta la dirección del mercado o de una acción
individual. El mercado opera continuamente con los precios de las acciones
siguiendo un proceso continuo como el señalado por Itô.
• Las comisiones no están asumidas: usualmente los participantes tienen que
pagar una comisión para comprar o vender opciones. Incluso los “traders” tie-
nen que pagar honorarios, que son usualmente pequeños. Los honorarios que
un inversionista individual paga son más substanciales y pueden por lo general
distorsionar el resultado del modelo.
• Los retornos están distribuidos como una log-normal: los retornos de las ac-
ciones son normalmente distribuidas, lo cual es razonable por la mayoría de
activos que ofrece la opción.
• La tasa libre de riesgo es constante, y la misma para cualquier madurez. Es
decir, para cualquier periodo futuro, la tasa libre de riesgo es constante, no
cambia (BRADLEY, 2004).
Dado que los movimientos de los precios son aleatorios, el modelo se fundamenta
en que los cambios de la variable en un periodo corto se distribuyen como una normal.
Los movimientos de los precios deben pasar por un proceso Wiener, para que la distri-
bución aleatoria se comporte como una normal. El fundamento para que los precios va-
ríen de una manera aleatoria esta indicado por dos variables: el rendimiento esperado
y la volatilidad de los precios de un activo fnanciero, donde, µ = Rendimiento esperado
del activo y σ = Volatilidad del precio de mercado
Proceso wiener
Para que una variable z siga un proceso Wiener, tiene que seguir dos propiedades:
• El cambio de δz durante un periodo pequeño de tiempo δt es:
(1)
Donde Є es un valor aleatorio proveniente de la distribución normal estanda-
rizada, N(0,1). De otra manera, el cambio que sufre una variable en el futuro
se encuentra en función de la raíz cuadrada del número de periodos en un
año (√δt), multiplicado por un valor aleatorio de la distribución normal es-
tandarizada.
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



132
• Los valores de δz para dos intervalos de tiempo son independientes. Esta afr-
mación es una consecuencia de la primera propiedad en donde δz tiene una
distribución normal con los siguientes parámetros:

Media de dZ =0
Desviación estándar de dZ =dt
Varianza de dZ =dt

Con estas propiedades se puede sostener que la incertidumbre sobre un activo f-
nanciero en cierto periodo del futuro es mesurado por la desviación estándar y se incre-
menta en la raíz cuadrada de dependiendo del periodo analizado (Hull, 2000)
El proceso Weiner para una variable cualquiera puede ser defnido como lo muestra
la ecuación (2).
(2)
Donde a y b son constantes. En el caso en que se omita el lado izquierdo de la suma
se puede tener que un cambio en x es explicado por incremento en el tiempo con la ex-
presión at. El segundo elemento de la función b dz, esta trayendo a colación el cambio
por la volatilidad, de forma que la variabilidad es b veces el proceso Wiener.
De acuerdo a Hull el proceso Wiener está defnido como se defne en la ecuación (3).
(3)
Este modelo es conocido como el movimiento Browniano Geométrico.
Defnicion del modelo Black Scholes
El modelo se fundamenta en la ecuación (3), sin embargo, las variables son modifca-
das, llegando a la ecuación (4).
(4)
Donde S es el valor de Activo subyacente, el cual se propuso inicialmente para ac-
ciones de tipo europea, µ es el Rendimiento esperado del activo, σ es la Volatilidad del
precio de mercado y fnalmente, t es el tiempo.
Derivando la función (Hull, 2000)
3
se obtienen las fórmulas (5) a (8).
(5)
(6)
3 Ver Hull 2000 Cáp. 12. Pág. 242 a 244.
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



133
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Donde:
(7)
(8)
Donde,
C = valor de la prima para una opción call europea
P = valor de la prima para una opción put europea
r = Tasa libre de riesgo.
X = Precio del Ejercicio
N = Distribución normal
Modelo de valoración tasa libre de riesgo.
La tasa cero cupón para el modelo Black Scholes Merton, se puede tomar como la tasa
libre de riesgo de mercado. Sin embargo, el modelo Nelsen – Siegel permite dar la ten-
dencia de la curva cero cupón.
Modelo Nelson – Siegel.
El modelo Nelson – Siegel, publicado en 1987, busca modelar la curva cero cupón. Parte
del mercado bursátil lo ha acogido, como lo menciona Michiel de Pooter “model is ca-
pable of capturing many of the typically observed shapes that the yield curve assumes
over time” (Pooter, Pag 1). De acuerdo con Nelson y Siegel, la tasa libre de riesgo puede
ser defnida como lo señala la ecuación (9).
(9)

Donde, a, b, c y Tao son constantes.
Para el mercado de valores colombiano los valores de las variables de la ecuación
de cero cupón son emitidos por el sistema de información para valoración de activos
fnancieros INFOVAL.
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



134
Black-Scholes para materias primas
El modelo de Black-Scholes-Merton fue creado inicialmente para el mercado de acciones,
el cual tiene un comportamiento aleatorio. Sin embargo, para los mercados de materias
primas, el modelo presenta una difcultad, dado que, este tipo de mercados cuenta con es-
tacionalidades de cosecha y siembra, por lo tanto, no tiene un comportamiento necesaria-
mente aleatorio (CARCAMO y CAUSIL 2009). Ante esta situación el modelo presentaba una
inconsistencia para la aplicación en las materias primas, por lo cual Fischer Black desarro-
llo una actualización al modelo básico, atendiendo a la difcultad que presentaba el mismo
para la aplicación en mercados de materias primas, y sus conclusiones fueron publicadas en
“The pricing of Commodity Contracts”; la solución que plantea Black se basa en “modelar
los precios forward en vez de los precios spot” (CARCAMO y CAUSIL 2009).
Black determino tomar los precios forward porque son aleatorios a diferencia de los
precios spot, porque los primeros descuentan los eventos del mercado spot. Es decir,
que cuando el precio spot del activo subyacente este subiendo por una escacez (Tem-
porada de siembra), los precios forward se mantendrán o tendrán un comportamiento
diferente porque se hacen efectivos después de la siembra o la cosecha, ante este plan-
teamiento modelar los precios forward es válido.
La fórmula del modelo básico se replantea como lo muestran las ecuaciones (10) y
(11) (CARCAMO y CAUSIL 2009)
4
:
(10)
(11)
Donde d1 y d2 están defnidos como en las ecuaciones 7 y 8 respectivamente.
So = El precio Forward actual del subyacente.
K = Precio del Ejercicio.
r = la tasa de interés, compuesta continuamente, libre de riesgo.
t = El tiempo en años, hasta la expiración del contrato.
 = Volatilidad implícita del precio forward del subyacente.
N = Es la función de distribución de una normal estándar.
3. descrIpcIón del mercado
de arroz en colombIa
3.1. Comercialización de Arroz en Colombia
La bibliografía acerca de la cadena de comercialización del mercado arrocero colombiano
es limitada. Sin embargo, entidades como Fedearroz han dispuesto al público una gran can-
4 Ver CARCAMO y CAUSIL, Pag 9
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



135
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
tidad de información estadística del mercado, que permite analizar y modelar el mismo y de
este modo derivar patrones de comportamiento de cada uno de los participantes del sector.
Igualmente, unos pocos documentos que describen la dinámica del mercado arrocero han
concluido que en este mercado los vendedores de la materia prima tiene un número exten-
so de participantes que se enfrentan a un número reducido de compradores.
En esa medida se pueden mencionar en cinco (5) relaciones fundamentales en el
esquema de comercialización del mercado de arroz:
1. Productores de arroz paddy y Molinero
2. Molineros con empaquetadores y centrales mayoristas
3. Molineros con la industria de alimentos para animales
4. Empaquetadores con mayoristas y minoristas.
5. Minoristas y consumidor fnal
De acuerdo con AGROCADENAS (2005), y Fedearroz (2008) las relaciones comer-
ciales mencionadas, dentro del mercado de arroz colombiano cuentan con cuatro acto-
res principales: 22.800 productores, 113 molinos, cerca de 10.000 mayoristas y 40.000
comercializadores al detal.
La producción de arroz en Colombia, tiene dos cosechas en el año, que obedecen
específcamente a las épocas de lluvias que ocurren semestralmente. Por un lado, des-
de marzo hasta mayo se presenta un aumento en las lluvias, por las cuales se duplica
el área sembrada, debido a que los cultivos de arroz requieren una alta concentración
de agua. En esta medida para el primer semestre del 2008 se sembró el 62,3% del área
destinada al cultivo de arroz en el territorio nacional, de acuerdo con FEDEARROZ, esta
área equivale a 275.982 hectáreas (FEDEARROZ, 2008).
Esta tendencia de mayor siembra en la primera parte del año obedece de igual
manera, a las formas de producción del país, ya que el sistema de producción secano,
se abastece de agua proveniente de lluvia. Sin embargo, hay tres maneras de cultivar
arroz en Colombia según FEDEARROZ,
“el sistema de bajo riego que es cuando el cultivo tiene disponibilidad de agua perma-
nente, el sistema de secano es cuando se usan las lluvias como principal proveedor de
agua, y el de secano manual que son algunas hectáreas que al igual que las de secano
utilizan las lluvias como proveedor, pero no son utilizadas para manejo comercial sino
para el pan coger, siendo su grado de mecanización muy bajo” (FEDEARROZ, 2005).
Los cultivos “pan coger” son aquellos cultivos que se no son comercializados, sino
que se destinan al abastecimiento familiar y el excedente para una pequeña comercial-
ización. El grafco 1 muestra la estacionalidad mencionada, y por la cual se presentan
variaciones en el precio.
Después que el productor ha recogido la cosecha, transfere el producto a los mo-
lineros, que en Colombia son 113, dentro de la industria 65% son molinos pequeños y
11% son grandes, entendiéndose,
“un molino es GRANDE cuando tiene una capacidad de recibo de más de 50.000
ton por año, MEDIANO cuando su capacidad está entre 20.000 y 50.000 ton, y, PE-
QUEÑO cuando su capacidad es menor a 20.000 ton.” (FEDEARROZ, 2005).
136
Los molinos en Colombia se encargan de: 1) secar el arroz paddy verde para conver-
tirlo en arroz paddy seco; 2) trillar, moler o descascarar el arroz paddy seco; 3) pulir el ar-
roz descascarado; y, 4) empacar (en bultos o empaques plásticos) y distribuir (a centrales
de abasto, supermercados y tiendas) el arroz blanco y los subproductos a todo el país.
El precio que paga el molinero al productor por su cosecha depende de la estacio-
nalidad y de la evaluación de un laboratorio. Por un lado, la estacionalidad hace refer-
encia a la cantidad de arroz que se ofrece o esta en circulación en el mercado, es decir,
las épocas de escasez o abundancia del producto. Por otro lado, el papel del laboratorio
es fundamental para el molino, ya que el laboratorio, que usualmente es del molino,
evalúa la calidad del arroz que llega al molino, esto lo hace midiendo los parámetros de
impureza y humedad; siendo 13 % de humedad y 3% de impurezas los granos de mejor
calidad para almacenamiento (FEDEARROZ, 2005).
Bajo el análisis que realice el laboratorio se establecen los parámetros del precio
que se va a pagar por la cosecha, en esa medida, cuando el agricultor entregue un ar-
roz que se encuentra en condiciones por encima de los mencionados, se le aplica una
reducción o “castigo”; es decir, se le impone una reducción al ingreso total del producto
cuando la calidad sea menor. Este “castigo” es ajustado de acuerdo a un porcentaje
tomado con base en las cantidades, que después es deducido del precio total acordado
(FEDEARROZ, 2005).
Es conveniente mencionar que el laboratorio es aportado por el molino se presenta
una constante controversia entre productores y molineros, ya que lo primeros, argu-
mentan que su arroz no es evaluado de forma correcta, y el arroz que entregan tiene
una calidad diferente a la que aducen los molineros. De otra parte los industriales, argu-
mentan que no pueden pagar un mayor precio por el arroz dado ciertas calidades, que
se generan antes de la entrega en el laboratorio. En esa medida, la relación productora
y molinera tiene un difícil esquema de concertación de precios y calidades, que no per-
miten relaciones sencillas de negociación.
GrafiCo 1. Estacionalidad mensual en la Producción de Arroz
Paddy verde en Colombia
Fuente: FEDEARROZ.
137
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Una vez obtenido el arroz paddy por parte de los molineros, “se procede con el
acondicionamiento del mismo para que pueda llegar a ser almacenado por varios me-
ses. Se comienza con una fase de limpieza en el que se eliminan residuos sólidos que
vienen con el arroz y aquellos granos sin llenar (arroz vano) de tal forma que se pase de
un 5% a un 3% de impurezas. El proceso de secamiento en las torres dura alrededor de
unas 2 a 3 horas” (FEDEARROZ, 2005).
Al terminar el proceso de trillado, el objetivo del industrial es tener la mayor canti-
dad de arroz entero, pues de este obtiene el mayor margen de ganancia. Los subpro-
ductos que regularmente se venden en la industria de alimentos balanceados, tienen
competencia con productos sustitutos, como la soya y otros importados, por lo que la
comercialización de estos productos esta sujeta a la diferencia en tasas de cambio (se
compite por precios).
La relación fnal en la comercialización esta dada entre molineros como oferentes
y mayoristas y centrales de abastos como demandantes, que distribuyen el arroz para
el consumidor fnal. Puede parecer a simple vista un esquema sencillo, pero la realidad
es que varía dependiendo de la zona del país, el consumo per capita y los hábitos de
compra.
Como se puede apreciar en toda la comercialización del arroz, hay una estaciona-
lidad de que afecta el precio del mismo. Además el producto cuenta con una oscilación
en el precio
5
.
3.2. Organización Mercado a Plazo
3.2.1. Relación Productores- Molineros
A simple vista, se podría decir que un instrumento fnanciero que permita establecer un
precio futuro para el arroz blanco es aplicable entre la relación comercial de producto-
res y molineros por una volatilidad del precio del arroz paddy verde. Sin embargo, bajo
un análisis detallado, la aplicación del instrumento fnanciero se obstaculiza por:
a. La problemática generada por la diferencia de proporciones entre cantidad de mo-
linos y productores, debido a que son pocos molinos (113) en comparación a la can-
tidad de productores (22.800 aproximadamente) que venden el producto. Es decir,
hay una competencia tipo oligopsonio, por lo cual el precio pude ser alterado por
los compradores (molino). De manera que, si los productores presentan un produc-
to de calidad homogénea, los compradores tienen la posibilidad de establecer un
precio que eventualmente no cumple con las expectativas de los oferentes.
b. La problemática relación entre molineros y productores a la hora de implementar un
instrumento fnanciero, está dada por el hecho que el laboratorio que se encarga de
analizar la calidad del grano, pertenece a los molinos, lo cual crea desconfanza entre
los productores, puesto que estos últimos podrían pensar que el análisis puede es-
tar viciado en dos circunstancias; por un lado, el productor puede alegar que el arroz
llega a las bodegas del molino en condiciones especifcas, las cuales se alteraron por
una manipulación irregular de la mercancía, por lo tanto los resultados del labora-
5 Para mayor información consultar información histórica de precios del mercado del arroz en Colombia
www.fedearroz.com.co
138
torio presentan una calidad inferior a la de la cosecha entregada. Por otro lado, los
industriales alegan que el producto no sufrió manipulaciones o alteraciones dentro
del molino, y que la calidad de los granos recibidos en el laboratorio no es óptima.
c. El arroz paddy verde es un producto perecedero, por lo que el productor está obli-
gado a vender su producto al molino en el menor tiempo posible (antes de 24 horas
después de la hora de corte o cosecha) para evitar la pérdida o descomposición de
producto. Este hecho se evidencia por la falta de una infraestructura que ofrezca
el servicio de secamiento y almacenamiento al productor de modo que el arroz se
haga no perecedero (arroz paddy seco).
Estas circunstancias, han propiciado entre productores e industriales una relación
comercial irregular, bajo la cual no se puede especifcar un contrato de futuros, porque
los contratos de este tipo estipulan unas condiciones de calidad de un producto no pe-
recedero generalmente, que son evaluadas por un tercero (Cámara de compensación),
y no por las partes como sucede entre arroceros e industriales en Colombia.
3.2.2 Relación Molineros - Mayoristas
En esta etapa, el intercambio sufre una variación en comparación con la relación entre
productores e industriales. Esto se debe a que el producto terminado es homogéneo, lo
cual determina un precio fjo para calcular los costos (el precio no depende de estudios
o evaluaciones de calidad).
En esta etapa de la comercialización, no se presenta una relación de continua po-
lémica por la fjación del precio, puesto que hay una competencia de oligopolio (113
molinos y 10.000 mayoristas).
De otro lado, en este paso se dan los requisitos necesarios para instaurar un futuro,
porque se tiene una oferta y demanda inciertas en el tiempo, una atomización de la
oferta y un gran mercado disponible en términos operacionales, esto además, de tener
una volatilidad en los precios del activo (GUTIERREZ, 2004), por lo cual, un instrumento
fnanciero, no suena muy distante ya que se da el ambiente comercial óptimo.
Igualmente, hay incertidumbre en términos de precio y por consiguiente una vo-
latilidad del mismo. Esto se debe a la ausencia de un ente que regule el precio, lo que
genera mayor confabilidad entre las partes y transparencia en las transacciones.
En la cadena comercial del arroz, el eslabón fnal, el de distribución del grano para
consumo humano tiene las condiciones adecuadas para establecer un mercado a plazo
entre molineros como oferentes y mayoristas como demandantes.
4. ValoracIón de opcIones europeas para el
mercado del arroz blanco en colombIa
La presente propuesta contempla la implementación de un instrumento fnanciero
(opción europea) en el mercado de arroz blanco. Sin embargo, para que este tipo de
instrumentos fnancieros sea aplicable al mercado del arroz paddy, se hace necesario
139
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
que se solucione la problemática relacionada con la defciencia de infraestructura de
secamiento de arroz paddy verde y almacenamiento de arroz paddy seco.
Una vez contemplado lo anterior, es necesario precisar de qué forma se va a valorar
el precio de la prima, o precio de la opción. La teoría menciona los aspectos fundamen-
tales de la opción, la lógica fnanciera de la valoración de las partes de una opción, es
decir, explica el porque una opción es costosa. Sin embargo, respecto a la manera de
valorar las primas, es necesario acudir a modelos matemáticos para valorar el precio de
la opción. En la práctica, el modelo de valoración de mayor acogida es el modelo Black
Scholes Merton, y el modelo para calcular la curva cero cupón, o la tasa de interés para
el Black Scholes es el modelo Nelson -Siegel.
Este documento ha desarrollado una aplicación matemática para valorar opciones
para el mercado del arroz colombiano. Para ello es necesario establecer: la volatilidad de
los precios del bien, las cantidades, los términos mínimos de calidad, los días del mes en
que se considera apropiado para cumplir el contrato, infación, forma de entrega de arroz;
con estas variables se pude obtener el precio de la prima, y establecer las clausulas míni-
mas del contrato. A continuación se describen las condiciones propuestas para la opción:
• Nodos
Los nodos son el número de periodos en el año en los que se ejecuta una opción, es
decir si las opciones se liquidan de forma mensual, bimestral, etc. En el caso particular
de las opciones de arroz propuestas, se determina que las opciones tienen 12 nodos al
año, lo que signifca que se pueden ejecutar una vez al mes. Se establece esta fecha,
con base en los hábitos regulares de los supermercados para abastecer sus inventarios
de arroz
6
. Por lo que se evidenció que los supermercados suelen abastecer de forma
mensual sus bodegas.
• Fecha de ejecución de la Opción
La fecha determinada para la ejecución de opciones es el día 22 de cada mes. Este día
fue elegido debido a que el consumo regular de los hogares colombianos se desarrolla a
fnales de cada mes, puesto que regularmente los salarios se pagan los últimos días de
cada mes. En este sentido, los hogares colombianos suplen su demanda de alimentos
en el momento en que perciben su ingreso.
Teniendo en cuenta este aspecto, el mayorista tiene en mente que sus ventas
tendrán un mayor movimiento los últimos días del mes, por lo tanto debe tener unos
inventarios sufcientes para suplir su demanda. Si el mayorista adquiere una opción y
decide ejecutarla el día 22, la mercancía no llegara a las bodegas del mayorista o del
supermercado ese mismo día, porque los molinos no están cerca de todos los cascos
urbanos, se debe tener en cuenta el tiempo que se demora en cargar, transportar y des-
cargar el arroz hasta las bodegas del comprador de la opción. Por esta circunstancia, el
mayorista tendrá para los últimos días del mes los inventarios de arroz apropiados, para
responder al movimiento de inventarios más intenso.
6 Este estudio se elabora con un sondeo telefónico a los siguientes supermercados: Ley, Carulla, Makro y Gran
trigal, fueron elegidos estos supermercados porque representan sitios grandes de abastecimiento a los que les
puede interesar adquirir una opción, los cuales se les indago sobre dos variables, 1. Con que regularidad com-
pran arroz, 2. Cantidad.
140
• Forma de entrega
La costumbre entre los molineros y mayoristas, es que el comprador recoge los bultos
de arroz que necesita, en esa medida, la mercancía es entregada en las instalaciones
de un molino que se le indique en el contrato. Por el contrario, cuando se estipule que
el molinero entrega el arroz en el domicilio del mayorista debe especifcarse con anti-
cipación. En principio, las especifcaciones de calidad e inocuidad se especifcan en la
cláusula segunda de la norma técnica NTC671 vigente, para arroz blanco. Sin embargo,
estas especifcaciones de calidad pueden estandarizarse previamente en el mercado
organizado para que permanezcan invariables y sean el punto de referencia para todas
las operaciones del mercado.
• Características del Producto
Descripción del tipo de arroz y la forma como el molino lo entrega al comercio: Presen-
tación (empaque de poliacetilineo en presentación de 5 Kg, ó 3 Kg, rotulación del em-
paque, marca del producto, información al consumidor en el empaque), tipo de arroz
(100% entero, ó 5% partido, ó 10% partido), grado de blancura, etc.
• Tamaño del Contrato
Se defne que una cantidad mínima para hacer un contrato de arroz es una carga de 35
Ton, porque de acuerdo a información de molinos, mayoristas y supermercados, usual-
mente se abastecen de arroz en 50Ton aproximadamente. Sin embargo, la ley colom-
biana establece que no se puede transportar por carreteras cargas superiores a 35 tone-
ladas; en ese sentido la carga mínima que se suele pedir por parte de los comerciantes
es la carga de una tractomula.
• Volatilidad
La volatilidad hace referencia a las oscilaciones o variaciones que sufre un activo f-
nanciero con respecto a su precio promedio, en este sentido, es un buen indicador de
riesgo, en la medida que muestra que tanta variación tiene un activo. Por ello, es una
pieza fundamental para hacer una valoración de un activo en una opción, dado que si
un activo no es sufcientemente volátil o riesgoso no es rentable vender opciones, ya
que los participantes de un mercado no consideran los movimientos bruscos de precio
como algo probable o perjudicial.
Las opciones son instrumentos que mitigan el riesgo de variaciones en el precio,
y si el precio no varía lo sufciente como para que los actores del mercado sientan in-
certidumbre, la aplicación de opciones o mercado a plazo es indiferente. Bajo estos
parámetros se debe esperar que la volatilidad sea mayor que la infación como mínimo.
Para el caso particular de la valoración de la prima para la opción de arroz blanco,
es necesario contar con una volatilidad diaria. Para ello, se utiliza una base de datos de
FEDEARROZ, con los precios semanales
7
de arroz blanco en Colombia, desde la prime-
7 Se toman precios semanales porque FEDEARROZ, no cuenta con datos diarios. Por lo tanto esta base de datos
no existe en el mercado.
141
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
ra semana de noviembre de 1998 hasta la última semana de diciembre de 2007. Dado
que la base de datos tiene datos semanales, es pertinente modelar los datos con una
función de probabilidad, que permita encontrar los precios diarios diferentes para cada
día, debido a que para calcular la volatilidad de una opción, la volatilidad se debe tomar
en datos diarios, para que los resultados sean precisos. Por ejemplo, para una opción
que se ejercerá en 15 días, en la práctica se toman las volatilidades de los 15 días ante-
riores para valorar el precio de la opción. En ese sentido, asumir que todos los días de
la semana tendrán la misma volatilidad de semana a semana, es un desacierto teórico,
y práctico, puesto que se tendría que 7 días de la semana tienen la misma volatilidad, si
se hace de ese modo las volatilidades quedan imprecisas.
Función de Probabilidad:
(12)
Gamma () puede tomar cualquier valor porque la sumatoria de las probabilidades
siempre dará como resultado 1. Por otro lado, S es el precio del activo subyacente.
La función de probabilidad permite encontrar una volatilidad diferente cada día,
asumiendo que el último día tiene mayor peso en la función. En otras palabras, los siete
días de la semana se enumeran desde el lunes como 1 hasta el domingo que equivale al
día siete, con los días enumerados, la función de probabilidad dejara al día siete con el
precio que publica fedearroz para la semana estudiada. La modelación de los precios,
se elabora con fnes teóricos, que pueden aplicarse a la realidad, sin embargo, es ne-
cesario desarrollar bases de datos diarias de los precios para darle mayor precisión a la
volatilidad. En el cuadro 5, se puede verifcar la función anteriormente descrita.
Con la variación de los precios, es posible tomar la muestra desde 2006 hasta el 31 de
diciembre de 2007 y calcular la volatilidad o la desviación estándar de la variación de los pre-
cios. La desviación estándar solo se analiza desde el último año, porque el 2006 presenta el
mismo comportamiento de los precios que los años anteriores, de manera que, los precios
están cointegrados, es decir, que los precios tienen un comportamiento cíclico y regular to-
dos los años, por ello, analizar los precios del año 2007 no es un desacierto, en el sentido que
el comportamiento de años anteriores a 2007 muestra un comportamiento similar con los
años sucesivos; de no ser así, la aplicación de una modelación resultaría infructuoso.
Cuadro 5. Modelación semanal a diaria de los precios
de la tonelada de arroz blanco
Fecha Precios Semanal
Día
Semana
Modelación de los
Precios Diaria
Variación
Log(t/t-1)
02/01/2006 1.111.634,00 1 989.354,26 0,000%
03/01/2006 1.111.634,00 2 1.099.406,03 10,547%
04/01/2006 1.111.634,00 3 1.110.411,20 0,996%
05/01/2006 1.111.634,00 4 1.111.511,72 0,099%
06/01/2006 1.111.634,00 5 1.111.621,77 0,010%
07/01/2006 1.111.634,00 6 1.111.632,78 0,001%
08/01/2006 1.111.634,00 7 1.111.633,88 0,000%
Fuente: Construcción propia.
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)


(12)


(11)



142
4.1. Estimacion de Volatilidad con Datos Historicos
Teniendo en cuenta que los precios están cointegrados, tomar la muestra del año 2007
para hallar la volatilidad es sufciente, para hacer la valoración de la prima. El cálculo de
la desviación de los precios resulto en una volatilidad semanal de 1,04% este valor es
bastante alto, por lo cual confrma, al menos en términos matemáticos, que el mercado
de arroz elaborado justifca la adopción de un mercado a plazo.
Volatilidad Implícita
La volatilidad implícita es aquella “que nos dé un precio teórico igual al precio de la opción en
el mercado” (PALAZZO, 2001); es decir, aquella volatilidad que hace que la prima teórica
o la que aparece en el contrato y la prima del mercado sean iguales. Esta volatilidad sirve
para evaluar si la prima esta acorde con la volatilidad del mercado, en tanto que ayuda a
establecer si es una buena o mala decisión comprar o vender opciones, de manera que
“si la volatilidad implícita es baja con respecto a la volatilidad futura esperada, un operador
preferirá comprar opciones, si es alta, querrá vender opciones” (PALAZZO, 2001)
Para el caso particular de las opciones para arroz, esta prima no se puede calcu-
lar, debido a que en el mercado no se han implementado opciones, como una herra-
mienta de cobertura. Por lo anterior, no se puede comparar los precios teóricos, que se
valoran con el modelo Black-Scholes y los precios del mercado. Igualmente, se puede
mencionar la existencia de Forward para arroz con cáscara, como volatilidad implícita
de referencia para las opciones, pero esta aseveración es errónea en el sentido que la
volatilidad de los Forwards es diferente a la de las opciones.
4.2. Valoracion de la Prima
La prima de la opción se valoro con base en el modelo Black Scholes Merton, con ayuda
de la herramienta de Excel. Los datos que se requieren para aplicar el modelo, son:
• El Precio Promedio de la Tonelada de Arroz Blanco: Este valor es producto de
tomar los precios promedio mensuales de arroz elaborado desde enero de 1995
hasta diciembre de 2007. Estos datos son emitidos por FEDEARROZ a precios de
mercado, por lo cual se defactaron (se trajeron a valor constante con las infa-
ciones de cada año); este procedimiento se elabora con el fn de quitar el efecto
de la infación sobre los precios. Con los precios mensuales en valor constante, se
calcula el promedio para cada mes.
• Precio Subyacente: Es el resultado de multiplicar el numero de toneladas (no
puede ser menor a 35 Ton), por el precio por tonelada en el momento de frmar
la negociación (numero de toneladas multiplicado por el precio spot del día en
el que se compre la opción).
• Precio de Ejercicio o Strike: El precio del ejercicio es el precio promedio mensual
de los últimos doce meses por la cantidad de toneladas que especifque la op-
ción. Sin embargo, en la práctica este valor no es calculado con base en el precio
de los meses anteriores, sino por acuerdo de quien adquiere o vende los deriva-
dos fnancieros, es decir el precio de ejercicio lo defne la oferta y la demanda fu-
tura. En el caso particular del modelo se supone que el precio futuro es calculado
con base en los precio del pasado, por facilidades de cálculo.
143
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
Es resultado del cálculo de la función Black Scholes con una tasa de interés cal-
culada con base en el modelo Nelson Siegel. Este valor tiene incluido los costos ope-
rativos y administrativos que genera la manutención del contrato, dentro del cálculo
de la tasa libre de riesgo, es decir, que dentro de la tasa libre de riesgo se incluyen los
riesgos del emisor.
4.3. Resultados Obtenidos con el Modelo
Cuadro 7. Características de la Opción para
Arroz Blanco en Colombia.
VARIABLE APLICACIÓN
Producto Arroz Blanco
Estandarización NTC671
Nodo 22-mes-año
Tamaño del Contrato 35 Ton
Precio Strike (promedio mes de vencimiento) $ 1.302.795,99
Precio Spot $ 1.324.735,00
Fuente: Construcción propia.
Ejecutando el modelo con los datos del cuadro 7, se encuentra que las primas va-
loradas el 1 de Agosto de 2007, para Put y Call que ejercerían en septiembre, octubre,
noviembre y diciembre del mismo año, para una opción de 35 ton (el contrato más pe-
queño posible), si se asume que el precio de la tonelada de arroz para el día en que se
adquiere el contrato es de $1.324.735, están descritas en el cuadro 8.
Cuadro 6. Precio promedio arroz desde 1995 hasta 2008.
Mes
Precio Promedio Últimos
11 anos
Febrero - 07 $ 1.303.611,80
Marzo - 07 $ 1.331.933,00
Abril - 07 $ 1.337.604,54
Mayo - 07 $ 1.343.448,40
Junio - 07 $ 1.351.062,29
Julio - 07 $ 1.357.857,25
Agosto - 07 $ 1.350.911,93
Septiembre - 07 $ 1.328.301,97
Octubre - 07 $ 1.303.253,37
Noviembre - 07 $ 1.300.024,06
Diciembre - 07 $ 1.302.795,99
Enero - 08 $ 1.310.719,22
Fuente: Construcción propia.
144
Reemplazando las constantes a, b, c, y T en la fórmula (9), es posible obtener la
tasa libre de riesgo del modelo de Nelson-Siegel. Dichas constantes son publicadas por
INFOVAL para 01 agosto 2007 y toman los siguientes valores: a= 9,81064; b =-1,02814;
c=2,411058; Tao =2,091774
Ahora, el lector estará interesado en conocer el valor de la prima para las opciones
Call y Put señaladas en las formulas (5) y (6) respectivamente. Para ello, se debe re-
emplazar la tasa libre de riesgo en las formulas (7) y (8) para obtener los valores de las
constantes d
1
d
2
y d
2
y fnalmente, estimar el valor de las primas con las volatilidades
históricas mensuales de los precios del precio del arroz blanco en Colombia. Dichas vo-
latilidades se obtienen con los precios modelados como se muestra en el cuadro 5. Para
ello, las volatilidades resultantes fueron:
El cuadro 8, resume los valores teóricos de las primas para una opción Call y Put.

Cuadro 8. Valores de las primas teórica para opciones Call y Put
Mes Precio de ejercicio Call Put
Septiembre $46.490.569 $1.887.776 $734.349
Octubre $45.613.867 $3.062.955 $680.092
Noviembre $45.500.842 $3.678.704 $835.221
Diciembre $47.268.235 $4.118.073 $1.005.801
Fuente: Construcción propia.
Los resultados muestran que, por un lado, el valor de la prima para una opción Call
para el mes de septiembre en $1.887.776 y para diciembre $4.118.073. Por otro lado, el
valor de la prima para una opción Put para el mes de septiembre es de $734.349 y para
Diciembre $1.005.801. El lector observará como el valor de la prima va creciendo en la
medida que se contemplan plazas de ejecución más largos. Igualmente, el valor de la
prima para un mismo mes es mayor para la opción Call que para la opción Put debido
a que los últimos tres meses del año corresponden a la época de cosecha del producto,
por efecto de la estacionalidad.
De acuerdo con la teoría de las opciones, los valores de las primas son coheren-
tes con el tamaño del contrato asegurado (35 toneladas), ya que por ejemplo, asegurar
un precio de $47.268.235 por medio de una opción PUT solo cuesta $1.005.801 (solo
$28.737 por tonelada), equivalente a solo un 2.12% del valor total de la tonelada.
El mercado de arroz en Colombia se caracteriza por la fjación de precios en el mer-
cado spot, con una clara ausencia de un mercado forward. Por este motivo, para desa-
rrollar un mercado de opciones se haría necesaria la estimación de precios futuros, bien
sea por la vía de la simulación estadística o por métodos de correlación del mercado
colombianos con mercados internacionales que cuenten con formación de precios fu-
turos, como el mercado de Estados Unidos.
La modelación adecuada para materias primas agrícolas que se enfrentan a esta-
cionalidades de la cosecha del producto, se debería hacer con precios forward como lo
señala Carcamo y Causil, ya que éstos precios descuentan la estacionalidad de la pro-
ducción de los meses de agosto a octubre principalmente. Sin embargo, para el ejerci-

Sep
= 6, 41%; 
Oct
= 6, 038%; 
Nov
= 6, 05%; 
Dic
= 6, 046%;
145
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
cio aquí desarrollado se tomaron los precios spot que refejan las condiciones del mer-
cado spot. Para mejores aproximaciones a los valores empíricos (en vez de teóricos), de
las primas de las opciones, se recomienda que en próximas estimaciones se incorporen
dichas expectativas sobre el comportamiento de los precios.
4.4. Condiciones del Mercado de Comodities en Colombia
El mercado de commodities en Colombia es administrado por la Bolsa Nacional Agro-
pecuaria (BNA), la que creó una Cámara de Compensación en 1997, que es fnancia-
da por el Fondo Nacional de Garantías (FINAGRO) y tiene una responsabilidad sobre
por el 100% del capital e intereses invertidos. La Cámara de Compensación “ofrece los
certifcados de depósito de mercancías (CDM) para productos agrícolas y los contratos
avícola a término (CAT), porcícola a término (CPT) y ganadero a término (CGT). Los
CDM corresponden a existencias físicas de granos y cereales como arroz y café, que
están guardadas en bodegas en los almacenes generales de depósito, y son títulos con
diferentes plazos de vencimiento, de acuerdo con las necesidades del agricultor y la
durabilidad del producto. Los pecuarios tienen plazos estandarizados de 90 días para
pollos, 135 para porcinos y plazos máximos de 300 días para ganado” (DINERO, 2007).
En el caso Colombiano, no existen opciones para el mercado del arroz, en tanto que, la
Cámara de Compensación, no tiene un desarrollo evolucionado como el de las bolsas
de Commodities mas importantes del mundo, tales como: Chicago, Nueva York y Hong
Kong. También cabe mencionar que en el caso colombiano, no se presenta un mercado
a plazo para los productos agropecuarios, debido a dos factores:
• La ausencia de instrumentos de especulación como las opciones y futuros,
como los que existen en Chicago.
• La Bolsa ha desarrollado un mercado que se ha mostrado como un medio de
inversión de renta fja; en donde las personas invierten con contratos que no
representen alto riesgo, en otras palabras, hay una cultura adversa al riesgo
A pesar de no existir opciones ni futuros para productos agrícolas dentro de la Bol-
sa, cabe resaltar que el mercado del arroz tiene altos volúmenes de operaciones que le
dan ventajas para desarrollar este tipo de mecanismos, debido a que un poco mas de las
mitad de las operaciones realizadas en la bolsa se realizan sobre arroz
8
. De igual forma,
el mercado colombiano tiene la ventaja de contar con una Cámara de Compensación
con 12 años de antigüedad y credibilidad.
4.5. Operaciones de Reinversion
La implementación de un mercado de opciones para el sector arrocero, tiene como ob-
jetivo fundamental ofrecer protección o cobertura para los participantes directos del
mercado. Sin embargo, se debe reconocer que la implementación de este tipo de ins-
trumentos, también genera una oportunidad de negocio para personas que no estén
directamente relacionadas con el mercado de arroz. Esta oportunidad de negocio se
8 Para mayor información visitar www.bna.com.co.
146
genera a través de la comercialización de contratos, que no buscan el intercambio di-
recto de arroz, sino el aprovechamiento de las variaciones en el precio de las primas.
Para ello, se negocian opciones con las estrategias de cobertura que son ampliamente
conocidas: Mariposas, Conos, Osos, Toro, Cóndor, etc.
El mercado de opciones para arroz también se puede prestar para este tipo de ne-
gociaciones, que se pueden llamar roll – over o reinversión de contratos. Dado que los
contratos diseñados para el mercado de arroz, se liquidan de manera mensual, estos
tienen la posibilidad de venderse o comprarse en cualquier momento antes de su liqui-
dación.
4.6. Ventajas de la Implementación del Modelo
Las ventajas de adquirir opciones pueden ser percibidas por todos los participantes del
mercado arrocero, es decir, productores, industriales y mayoristas. Comenzando por
los productores, por un lado ellos se pueden ver benefciados de comprar la opción de
vender a un precio fjo en las épocas en las que se presenta una sobre oferta de arroz
verde, esta dinámica usualmente se presenta en los meses de agosto y octubre, cuando
se recoge la cosecha de los meses que presentaron mayor lluvia en el año, en ese senti-
do a pesar que el precio baje por una abundancia de arroz, el precio puede ser conocido
y descontado con anterioridad.
Por otro lado cuando el precio tiende a la baja, es decir, cuando los productores to-
davía no cuentan con una cosecha lista para la comercialización, se presenta una esca-
sez en la oferta de arroz verde, por lo tanto el precio sube. En ese sentido, el productor
puede encontrar precios que cumplen sus expectativas y, en ese escenario el productor
tiene la posibilidad de no ejecutar la opción. Esto le ayuda al productor en tres sentidos,
primero, el productor tiene la oportunidad de saber a cuánto va a recibir por su cosecha
en el futuro y puede planear su presupuesto, en segundo lugar el productor puede apro-
vechar precios mas favorables para el en el mercado, en tercer lugar tiene la confanza
de una bolsa que respalda el contrato.
Por el lado de los industriales los benefcios de adquirir opciones, se ven refeja-
dos a la hora de comprar materia prima y a la hora de vender arroz, ya que el molinero
puede comprar opciones de comprar al productor en el futuro a un precio fjado. Esto
le brinda dos grandes ventajas, en primer lugar, el molinero contara con el inventario
que necesita para suplir los pedidos de sus clientes con meses de anterioridad. En se-
gundo lugar, Tiene bases mas sólidas para saber cuales serán sus costos (precio de la
materia prima) para planear sus estados fnancieros. Ahora, los industriales también
pueden adquirir opciones de vender en el futuro arroz procesado a los mayoristas, en
esta medida, la ventaja de adquirir opciones de venta le permite estimar cuales serán
sus ingresos en el futuro.
Los mayoristas y grandes supermercados, también se ven benefciados de las op-
ciones, porque tienen la oportunidad de conocer los precios que se están acordando
para fechas futuras. En esa medida, permite planear sus costos para cumplir con los
pedidos de arroz. Además, le da la posibilidad de contar con el inventario de arroz
procesado para todos los meses. Particularmente en las épocas de escasez de arroz
el mayorista tendrá la oportunidad de anticiparse a esta circunstancia y comprar las
opciones a un precio razonable, y no tener como única oferta el precio que puede darle
el industrial.
147
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
5. conclusIones y recomendacIones
El mercado colombiano abarca la mayoría de las características que demanda un mer-
cado de futuros:
• Oferta y demanda inciertas en el tiempo.
• Un gran mercado Disponible en términos de Operaciones
• Regulación y presencia de bolsas en el mercado.
Las difcultades en la aplicación de un mercado de futuros radica principalmente en
que los participantes de este mercado, no han tomado conciencia sobre la importancia
de aplicar los mecanismos para cobertura de riesgos, esto se debe a varios factores:
• Dado que la estructura del mercado de arroz colombiano posee imperfeccio-
nes de competencia, como Oligopsonio en el primer eslabón y en el segundo
eslabón es oligopolio, la implementación de las opciones permite que el precio
futuro de las opciones este infuenciado por más actores; es decir, que el precio
futuro va a ser transparente. Finalmente, el precio del día va a tender a ser el
precio futuro como lo plantea Hull.
• El mercado del arroz esta protegido, lo que hace pensar a los participantes que
no se verán afectados por las volatilidades permanentes, sino por volatilidades
estacionales. En ese sentido los participantes del mercado actúan con deter-
minismo y resignación frente a lo que pueda pasar en el futuro con los precios,
principalmente por la estacionalidad.
• La carencia de conocimiento y accesibilidad de los productores hacia las insti-
tuciones reguladoras del mercado a plazo, tales como bolsas y comisionistas
genera difcultades para el establecimiento de mecanismos para cobertura del
precio, pues estos contratos de futuros están sujetos a las instituciones, en el
ámbito de certifcación y otorgar licencias. Además se encargan de velar por el
funcionamiento normal de los contratos.
• Se presenta una ausencia de información de precios y bases de datos diarias
para las cotizaciones de arroz paddy verde, arroz elaborado y subproductos
del arroz, por lo cual se obstaculiza la implementación de volatilidades ajusta-
das para valorar derivados fnancieros
• Los derivados fnancieros, como las opciones pueden ser aplicadas para el
primer eslabón de la cadena comercial, a través de contratos que permitan la
cláusula de calidades abiertas o fexibles, siempre y cuando el producto sea no
perecedero (arroz paddy seco). En este sentido, el mayor benefciado seria el
productor pues es quien tiene menor protección frente a los cambios de pre-
cios en este momento.
• Los derivados también se pueden aplicar a subproductos del arroz en la medida
que se presente una evolución en la titularización de toda la cadena productiva.
• La presencia de mecanismos de derivados fnancieros puede hacer el mercado
más abierto a nuevos actores (incluidos los fnancieros) ya que a través de la
publicación de los precios por parte de la bolsa, los nuevos agentes pueden
entrar a tranzar con arroz y afectar el precio.
148
• La creación de un mercado a futuros permite una formación de precios trans-
parentes y a la vez, competitivos. Por otro lado, también ayudan a mitigar la
volatilidad de los precios. Al estar inscritas en la BNA permiten que todas las
transacciones que se realicen, sean de conocimiento público, lo que genera ma-
yor igualdad en las oportunidades para los participantes del mercado arrocero.
• Los contratos a futuros, estimulan la estandarización del producto, lo que fa-
cilita las transacciones comerciales entre las partes, ya que los contratos inclu-
yen las especifcaciones del arroz que se va a transar. La estandarización del
producto y la publicación de precios del mercado por parte de la BNA puede,
eventualmente, favorecer la negociación del producto en el exterior, aumen-
tando la competitividad del arroz en los mercados externos.
5.1 Recomendaciones
Para integrar a las partes dentro de un mercado a futuros es necesario crear un sistema
que los estimule a invertir, para esto unas posibles pautas que se pueden aplicar son:
• Desarrollar una estructura de bajos costos de transacción, que son una de las
principales razones por las cuales los sistemas regulados pierden importancia
• Evitar re-procesos y trámites inefcaces para desarrollar las transacciones ne-
cesarias en la bolsa.
• Flexibilizar los métodos de cobro, es decir, que los cobros sean claros y adapta-
bles para quienes adquieran derivados fnancieros.
• Para la implementación de un mercado de derivados organizado es necesario
desarrollar una socialización, de forma tal que los productores, industriales y
mayoristas, estén enterados de los medios para utilizar un derivado, y las ven-
tajas que estos les proporcionan. En ese sentido, para el desarrollo de un mer-
cado a plazo exitoso es necesario acudir a campañas de capacitación e infor-
mación sobre los mercados a plazo. Esto implica, hacer campañas para formar
conciencia del uso de coberturas frente al precio y competencia internacional.
• Es indispensable iniciar el desarrollo de bases de datos actualizadas diariamen-
te con la información del precio del arroz verde, elaborado y subproductos,
para que los títulos refejen los cambios en los precios.
149
Gestión de riesGos financieros en el mercado de materia primas aGrícolas
biblioGrafía
Referencias Textuales:
García Edwin, Roa John & Guzmán Andrés (2005). “Comercialización del
arroz en Colombia”. Fedearroz – División de Investigaciones Eco-
nómicas. Colombia.
Hull John C., (2003). “Option, futures and other derivates”. Pretince Hall,
Quinta Edición. Capítulos: 1, 2, 11 y 12.
Kozikowsky Z. Zbiniew (2000). “Finanzas internacionales, MacGraw-Hill.
Referencias Digitales:
Lavin, Mike “Mercados y transacciones OTC (Over The Counter)” Finanzas.
com http://www.fnanzas.com/noticias/novato.asp?id=8118941)
Gómez, Roberto (2005) “Algunas ventajas del uso de derivados
fnancieros” en http://www.eumed.net/cursecon/cursos/mmf/
ventajas.htm.
Econlink “Diccionario” en http://www.econlink.com.ar/economia/balan-
zadepagos/argentina/commodities.sht ml consultado en 13 de
abril de 2007
Gutiérrez, Gonzalo (2004) “Mercados de Futuros y Opciones ¿Una Alter-
nativa Posible para Uruguay?” http://www.iica.org.uy/data/docu-
mentos/170000.doc
¿Cuáles son las características de los instrumentos del mercado a futuro
desde el punto de vista de liquidez, rentabilidad y riesgo? http://
www.bolsadesantiago.com/faqs/Faqs2.asp?codigo=001005026
La cobertura de los riesgos (“Hedging”), http://www.enetspeculation.
com/pub/es/pub.asp?area=futures#Hedging.
Pérez, Barbeito (2007). “Mercado de Divisas” http://72.14.209.104/
search?q=cache:s6nScLZNCcEJ:www.eumed.net/cursecon/ppp/
jpb-divisas%2520.ppt+arbitradores+mercados+a+futuro&hl=es&
ct=clnk&cd=2&gl=co
Chicago Board of Trade, (2007). www.cbot.com
Bradley, (2004). “The Black and Scholes Model”. http://bradley.bradley.
edu/~arr/bsm/pg04a.html
Palazzo, Romina (2001). “Análisis de la volatilidad implícita”, tomado de
http://64.233.169.104/search?q=cache:A5PJfEnFmlEJ:www.bcr.
com.ar/pagcentrales/publicaciones/images/pdf/TRABVolatilidad.
pdf+volatilidad+implicita+.pdf&hl=es&ct=clnk&cd=1&gl=co
“Commodities. Inversión con garantía”. Revista Dinero No.269 del 14/
Feb/2007. Tomado de http://www.dinero.com.co/wf_InfoArticulo.
aspx?IdArt=30515
Carcamo C, Ulises y Causil, Catalina (“Valoracion de opciones para el
mercado agropecuario colombiano, el modelo Heston-Nandi
como alternativa”. Tomado de http://www.eaft.edu.co/NR/rdon-
lyres/A4018801-83C5-4ED0-84B3-4FEB54A200FA/0/trabajofnal-
carcamocausil.pdf
De Pooter, Michiel “Examining the Nelson-Siegel Class of Term Structure
Models”, Tinbergen Institute, jun 2007 Cap 1. Tomado de: http://
www.tinbergen.nl/discussionpapers/07043.pdf
DINERO, “Commodities. Inversión con garantía, Colombia”, Edición
269 (19 enero de 2007) http://www.dinero.com/edicion-impresa/
caratula/commodities-inversion-garantia_30515.aspx
Terminó de imprimirse en
Noviembre de 2009 en
Tel: 2885338 Bogotá, DC, Colombia
www.produmedios.org

ACERCA DE LOS AUTORES
John Jairo Roa Prieto (Editor) Economista, Magister en Economía Economista Investigador de fedearroz - FNA jjroap@gmail.com Profesional en Finanzas y Relaciones Internacionales Auditora del sector bursátil karokardozo@gmail.com Profesional en Finanzas y Relaciones Internacionales Operaciones aduaneras internacionales Ana_cepeda4@hotmail.com Profesional en Finanzas y Relaciones Internacionales Gestor de operaciones aduaneras Andresf711@gmail.com Profesional en Finanzas y Relaciones Internacionales Investigadora para cadenas de comercialización Paolita88_16@hotmail.com Economista, Magister en Economía Analista en buenas prácticas agrícolas marianafob@yahoo.com Economista, Magister en Economía Investigadora de la cadena de tabaco Prieto.lorena@hotmail.com Economista, Magister en Economía Analista económico para mercado de materias primas valbuenac@gmail.com

Carolina Cardozo Carvajal

Ana Yedith Cepeda

Andrés Felipe Jiménez Cortés

Gisel Paola Martínez

Mariana F. Ospina Bohórquez

Lorena Prieto Cruz

Guillermo Alfonso Valbuena C.

© Bolsa Nacional Agropecuaria - Fedearroz ISBN: Primera edición: Tiraje: 978-958-98466-8-1 Noviembre de 2009 1.000 ejemplares

Producción editorial: Diagramación, impresión y encuadernación

www.produmedios.org Diseño gráfico: Impreso en Colombia Printed in Colombia

IntroduccIón
Justificación
a gestión de Riesgos Financieros ha sido uno de los pilares fundamentales para el desarrollo, consolidación e innovación dentro del sector financiero internacional. Su instrumental se ha fortalecido de manera importante durante los últimos años, dado que brinda un campo de investigación fascinante para los intelectuales a nivel mundial. El campo de los Riesgos Financieros contempla Riesgo de Crédito, Riesgo de Mercado, Riesgo Operacional y Riesgo de Liquidez. La inadecuada gestión de dichos riesgos, o peor aún, su desconocimiento ha llevado a que diferentes organizaciones se vean sometidas a una quiebra o se vean afectadas de manera importante por la crisis de diferentes mercados. En el sector financiero estas crisis con recurrentes e impredecibles. Al igual que en el sector financiero, este tipo de riesgos y sus efectos sobre la economía pueden ser asumidos de manera conciente o inconsciente por empresas del sector real. Una organización y en general un mercado pueden caer en crisis recurrentes por el desconocimiento de los riesgos a los que se somete o por inadecuada o inexistente gestión del mismo. La producción de materias primas agrícolas a nivel internacional ha visto como el movimiento de los mercados ha llevado a empresas e incluso países a generar excesiva inestabilidad por movimientos en los mercados. En los países subdesarrollados dicha inestabilidad obedece generalmente a un desconocimiento generalizado de los sistemas de gestión de riesgos financieros. En los países desarrollados las crisis de diversos mercados por lo general afectan a las empresas de producción de materias primas. Por lo anterior, es necesario que todos los sectores de la economía, entre los que se encuentra el sector de producción de materias primas, conozcan los sistemas de gestión de riesgos financieros y adapten su implementación a las condiciones propias de cada una de las organizaciones. Esto llevará a mercados más desarrollados, sólidos e innovadores, donde los productores de bienes y servicios se encargan de producir con el fin de obtener rentabilidades, sin preocuparse por la volatilidad de los mercados. Comprender el sistema de gestión de riesgos financieros en el mercado de materias primas agrícolas implica: • • • • • Generar un escrito útil para minimizar riesgos en empresas agropecuarias y gobierno, con base en la gestión de riesgos financieros en el mercado de materias primas. Comprender elementos teóricos y conceptuales de la gestión de riesgos, abarcando temas de medición y desarrollo de instrumentos financieros para transferir riesgos. Comprender la forma como se genera el riesgo, la forma como se mide y las diferentes estrategias para mitigarlo en el mercado de materias primas agrícolas a nivel mundial. Ejemplificar la forma como una organización del sector agropecuario en Colombia, con actividad de financiamiento a productores, identifica, mide y gestiona sus riesgos. Proponer un instrumento financiero que contribuya a la mitigación del riesgo en el mercado del arroz blanco en Colombia, definiendo las características del

L

Gestión de riesGos financieros en el mercado de materia primas aGrícolas

3

Por ello. fruto de esfuerzos de intelectuales con conocimientos del sector agrícola o interesados en él. industriales. El primer capítulo describe la importancia de la gestión de riesgos financieros y responde a preguntas como ¿Qué es al gestión de riesgos financieros?. ¿Para qué sirve?. Por ello. de modo que se evidencia una investigación conjunta. Para cada capítulo los autores cambian. Dado que el sector arrocero es uno de los renglones más importantes en materia agrícola y económica. el gobierno y la Bolsa ya que permite el sano desarrollo del mercado y consolida al sector como uno de los principales productores de alimentos en Colombia. universidades. El segundo capítulo hace una aplicación de las técnicas de medición y gestión de riesgos de mercado para seis productos agrícolas y propone un esquema para mitigar los riesgos de acuerdo con las tendencias de los mercados financieros internacionales. entre otros aspectos. en ambientes sanos que permitan el fortalecimiento del sector. ¿Cómo se hace?. Las entidades son concientes de que la solidez del sector y la adecuada gestión de riesgos a los que se enfrenta el sector son elementos necesarios para los productores. contenido del libro El libro se divide en cuatro grandes capítulos. aplicados a una diversidad de materias primas agrícolas e industriales. Esperamos que este libro genere motivación entre los investigadores del sector agrícola y los formuladores de política económica sectorial. el cuarto capítulo propone un instrumento financiero (Opción europea) que cumple con las condiciones de los mercados financieros y a la vez brinda una solución al mercado en Colombia y especifica en toda su instancia las condiciones para su aplicabilidad. los centros de investigación. el gobierno y en general a todos aquellos interesados en aportar conocimientos al sector agropecuario para que tomen esta investigación como el primer escalón de un arduo número de investigaciones que propongan soluciones prácticas a los problemas del sector agrícola. consideraron oportuna y fundamental esta investigación ya que brinda un primer acercamiento a la creación de esquemas que brinden las herramientas para adecuada gestión de los riesgos que permanentemente generan inestabilidad para el mismo. y describe las técnicas para gestionar riesgos en términos generales. Finalmente. consumidores.instrumento financiero. John Jairo Roa Prieto 4 . Extendemos la invitación a la academia. y su modo de operación. para Fedearroz-FNA y la Bolsa Nacional Agropecuaria es de vital importancia la solidez y crecimiento sostenido de la actividad económica. Esperamos que los lectores disfruten esta publicación tanto como nosotros disfrutamos escribiéndola y sientan en este escrito los esfuerzos que empeñamos para obtenerla. las entidades extienden una invitación a diversas organizaciones. Es grato para nosotros hacer entrega de esta publicación al público en general. los gremios. el cálculo de las primas. el gobierno y centros de investigación para que realicen aportes e investigaciones en esta línea. El tercer capítulo hace una aplicación de las técnicas de medición y gestión de riesgos financieros tomando como base una empresa que desarrollada actividades de financiamiento dentro del sector agropecuario en Colombia. Cada capítulo tiene una bibliografía al final.

gestión global de riesgo de crédito 4. Riesgo de Tipos de Interés 5. ELEmEnTOS COnCEPTUALES PARA LA gESTión DE RiESgOS finAnCiEROS 1. Gestión de Riesgos de Mercado 6.2. Gestión global de riesgo de mercado 5.2. Ciclo de gestión de riesgos financieros 2.3.2.3.1.1. Identificación (factores) 2.1. Seguimiento y control 3. Resultados de las Aplicaciones 7 9 13 13 13 15 17 17 18 18 25 25 27 28 29 30 33 36 37 37 39 39 41 43 44 45 48 50 52 53 55 57 58 58 61 63 64 68 68 70 70 71 Gestión de riesGos financieros en el mercado de materia primas aGrícolas 5 .4.2.6.2. Medición y Monitoreo del Riesgo de Liquidez 6. Riesgo de Movimientos de Precios de los Activos 5. Sistemas de Gestión del Riesgo Operacional 7.3. Rendimiento y Volatilidad 2. Fundamentación Teórica 2.4.1. Sistema de Administración de Riesgo de Mercado 5.2.1. Teoría de la Formación de Expectativas Adaptativas y Racionales 2. Comparación entre las Metodologías EWMA y GARCH 2. Aplicaciones en el Mercado de las Materias Primas Agrícolas 3.4. Sistema de Administración de Riesgo de Crédito 5. Administración del Riesgo de Liquidez 7. Factores y Categorías de los Riesgos Operacionales 7. Precio de las Materias Primas y la Política Económica 2. Gestión global de riesgo de liquidez 6.2. Estrategias para la Mitigación del Riesgo 4.5.1. Estructura del sector financiero y esquemas de regulación 4.5. Acontecimientos de Crédito 4.4. Mitigación de Riesgo Operacional 7. Sistema de Administración de Riesgo Operativo (SARO) Bibliografía CAPÍTULO 2.1. gESTión DE RiESgOS En EL mERCADO DE LAS mATERiAS PRimAS AgRÍCOLAS Risk management in the commodities market 1. Metodología 3. Introducción 2. Metodología para el Cálculo del Valor en Riesgo (VaR) 3.5.4. Gestión global del riesgo operacional 7. Pruebas de Stress 5.contenIdo CAPÍTULO 1. Medición (cuantificación) 2. Introducción 2. Métodos de calificación de Riesgo de Crédito 4.5. Estrategias de Gestión 2. Medición del Riesgo Operacional 7. Técnicas y Metodologías para el análisis de Riesgo de las Materias Primas 2.3. Herramientas para la medición del Riesgo de Crédito 4.3.

2.1. Recomendaciones Bibliografía 81 81 82 84 86 87 89 91 91 91 92 92 92 93 94 98 100 102 103 106 106 110 112 115 117 118 119 121 121 121 122 123 123 124 130 134 134 137 138 142 142 143 145 145 146 147 148 149 CAPÍTULO 4.2. Teoría de Instrumentos Derivados 2.4. AnáLiSiS DE RiESgOS En EnTiDADES finAnCiERAS DiRigiDAS AL SECTOR AgROPECUARiO 1. Modelos Econométricos en Medición de Riesgos 3. Hipótesis y Resultados Esperados 1.2.1.3.2. Importancia de la Investigación 1.2. Clasificación del Mercado a Plazo 2. Valoracion de Prima (Precio) de la Opción: Modelo Black-Scholes-Merton 3.4. Operaciones de Reinversion 4. Comercialización de Arroz en Colombia 3. Estimacion de Volatilidad con Datos Historicos 4.6.1. Cálculo del Valor en Riesgo (VaR) 4. Riesgo de Mercado – Modelos de Volatilidad 3.4. Teoría de Mercados a Plazo 2. Participantes del Mercado a Plazo 2. Fundamentación Teórica 2. Cálculo del VaR para un Portafolio 5.4.1. Resultados Obtenidos con el Modelo 4.5. Conclusiones Bibliografía inSTRUmEnTOS finAnCiEROS PARA EL mERCADO DEL ARROz bLAnCO En COLOmbiA 1.2. Metodología 2. Riesgo de Mercado 2. Riesgo Operativo 2.3.5.4. Descripción del Mercado de Arroz en Colombia 3. Fundamentación Teórica 2. Modelos de Cointegración 3. Condiciones del Mercado de Comodities en Colombia 4.6. Riesgo de Liquidez.3. Riesgo de Liquidez 2. Riesgo e Incertidumbre 2.3. Riesgo de Crédito – Modelo de Pérdida Esperada 3. Ventajas de la Implementación del Modelo 5.4.6. Valoración de Opciones Europeas para el Mercado del Arroz Blanco en Colombia 4. Riesgo Operativo – Modelos Discretos 4.1. Ventajas y Desventajas de Mercado a Plazos 2. Riesgo de Crédito 2. 6 .5. Marco Empírico 3.3. Estrategias para la Gestión de Riesgos de Mercado en los Mercados Bursátiles 6.1. Cálculo del VaR para Activos Individuales 4. Conclusiones y recomendaciones Bibliografía CAPÍTULO 3. Valoracion de la Prima 4.1 Problema a Estudiar 1. Introducción 1. Organización Mercado a Plazo 4.2. Introduccion 2.1. Conclusiones y recomendaciones 5.

pueden ser gestionados. mitigados y en algunos casos asegurados. con el fin de preservar la transparencia. han permitido la implementación de algunos instrumentos financieros (opciones.la gestIón de rIesgos fInancIeros elementos conceptuales para capÍtulo 1. en la economía es claro que a mayor riesgo mayor rentabilidad. ampliando el mercado y contribuyendo a la estabilidad y crecimiento del Sistema Financiero. futuros. Ana Yedith Cepeda Gisel Paola Martínez John Jairo Roa Prieto RESUMEN ste capítulo. explica la gestión global del ciclo de los riesgos financieros (Crédito. debido a que en teoría las políticas resultan ser adecuadas pero en la práctica resultan ineficientes. cuantificación. mediante la identificación. gestión y control oportuno de los mismos. pues. el crecimiento del comercio internacional. existe una disyuntiva entre riesgo y rentabilidad. la necesidad de los agentes económicos de manejar la volatilidad de las variables macroeconómicas y lograr mayores oportunidades de negocio. ya que los inversionistas en algunos casos enfrentan riesgos exponiéndose a la posibilidad de incurrir en pérdidas a cambio de obtener mayores beneficios. Liquidez y Operacional) inherentes a todas las operaciones de negocios y si bien no pueden ser eliminados totalmente. Igualmente. derivados y swaps). lo que representa un impedimento para la efectiva supervisión de la Superintendencia y así mismo para la estabilidad de la economía. Sin embargo. Mercado. seguridad y confianza en los inversionistas y generar nuevas oportunidades de negocio. E Gestión de riesGos financieros en el mercado de materia primas aGrícolas 7 . que permiten cubrir las operaciones que se realizan dentro del sector.

N20. G38.ABSTRACT This chapter explains the overall cycle of the financial risks management (credit. expanding the market and contributing to the financial system growth and stability. ciclo de gestión de riegos. the chapter makes clear the international trade growth and the economics agents necessity to manage the macroeconomic variables volatility and achieve greater business opportunities. enabling the certain financial instruments implementation (options. giving the cover operations that are performed within the sector. crisis financieras. However. the Basel committee on banking supervision. the economy is clear that the higher risk higher return. certainty and confidence in investors and generate new business opportunities. PALABRAS CLAVE: Estabilidad financiera. financial innovations. Likewise. risk management. then. which although can not be eliminated completely. can be managed. financial stability. there is a tradeoff between risk and reward. which represents an impediment to effective Superintendent supervision and likewise for the economy stability. mitigated and in some cases policyholders through the identification. 8 . management and timely control of them. G28. derivatives and swaps). in order to preserve the transparency. financial crisis. CLASIFICACIÓN JEL: G18. quantification. liquidity and operational) inherent in all business operations. where risks are evident giving rise to the possibility of incurring losses in exchange for higher profits. KEY WORDS: Regulation of banking and stock market. comité de Basilea de supervisión bancaria. because in theory policies turn out to be appropriate but in practice inefficient. futures. market. instrumentos financieros.

que buscan blindar la economía de inestabilidad o fluctuación de los mercados nacionales o internacionales. la Superintendencia Financiera es quien cumple la función de regular y supervisar el Sistema financiero. fue el primer ente creado con la finalidad de administrar de manera efectiva los riesgos a los que se enfrentan las entidades financieras. transparentes y competitivos. evitando por tanto el colapso del Sistema Financiero en el país. dejando de lado las posibles adversidades presentes en los demás sectores que conforman el Sistema Financiero (bursátil y de seguros). logrando profundizar el mercado y así mismo proteger a los inversionistas. debido a falencias existentes en la regulación. las crisis financieras han ocasionado malestares en el sistema financiero nacional e internacional. generando graves consecuencias en la ma- Gestión de riesGos financieros en el mercado de materia primas aGrícolas 9 . En la gráfica 1. a mayor riesgo mayor va a ser la rentabilidad esperada. El Comité de Basilea de 1997. Dichos entes. se ha hecho evidente la intervención de diferentes entes reguladores que contribuyen a la creación de sistemas. haciendo más eficiente el uso de los recursos. En este contexto. los principios establecidos por el comité no fueron suficientes para lograr el control adecuado del riesgo. generando confianza en los inversionistas y transparencia en el mercado y permitiendo la creación de nuevos negocios (desarrollo de innovaciones financieras). IntroduccIón Desde de los años noventa. los agentes que operan en los mercados financieros por medio de inversiones o cualquier tipo de operación buscan principalmente generar rentabilidad. con el propósito de lograr un sistema financiero seguro y estable. Los Sistemas de Gestión de Riesgos permiten la mayor rentabilidad posible (una porción proveniente de rentabilidad libre de riesgo y otra porción obtenida por medio de esquemas de minimización de riesgos). pues el enfoque dado estaba dirigido solo a la regulación del sector bancario. y de este modo garantizar la continuidad del funcionamiento del mercado financiero. el Sistema Financiero ha presenciado diferentes crisis que han generado inestabilidad en las economías del mundo. que genere confianza en los agentes que intervienen en el mercado. obtener liquidez y así mismo seguridad. sus políticas están basadas en el eficaz y eficiente control de los principales riesgos (crédito. mercado. a través de 25 principios encaminados al mejoramiento en materia de regulación y supervisión del sector. políticas y estrategias que permiten una mayor gestión de los riesgos sistémicos y de esta manera reduzcan las pérdidas ocasionadas por los movimientos adversos de los mercados financieros. Durante las últimas décadas. establecen instrumentos de control de riesgo. Pero. La Superintendencia nace con la necesidad de generar un equilibrio para la disyuntiva existente entre el riesgo y la rentabilidad. en las políticas establecidas por las entidades financieras y por los cambios adversos resultantes de las operaciones realizadas en el mercado. los que a su vez buscan proteger a los inversionistas y asegurar que los mercados sean eficientes. En Colombia. Sin embargo. liquidez y operativo) a los cuales se exponen las entidades que vigila.1. lo que contribuye a la aplicación efectiva de controles que minimizan el riesgo. pues. Por lo anterior. la dicotomía entre maximizar la rentabilidad o minimizar el riesgo de cualquier tipo de inversión está siempre presente. se puede observar la relación directa que existe entre el riesgo y la rentabilidad.

La ausencia de una adecuada arquitectura del sistema bancario internacional y las severas fluctuaciones de los tipos de cambio de algunos países.Grafica 1. Ejemplo de dichos factores de inestabilidad se encuentran a los largo de la historia de las crisis en las que se han sumergido un número importante de economías. Cambios adversos resultantes de las operaciones realizadas en el mercado. Las principales causas por las que se han presentado las crisis más relevantes. Recesión económica. Considerable Incremento de los márgenes de intermediación. altos niveles de apalancamiento y especulación. exceso de confianza. Falencias existentes en la regulación y en las políticas establecidas por las entidades financieras. Sobreendeudamiento de empresas con la banca comercial. presencia de competitividad entre los mercados locales y el afán de hacer parte de un sistema financiero global. Política monetaria restrictiva. Relación directa entre el Riesgo y la Rentabilidad yoría de las economías del mundo. . Pérdida del poder adquisitivo Falta de liquidez. han sido algunos de los acontecimientos que más impacto han tenido en la inestabilidad del Sistema Financiero. no solo en países emergentes sino también en las grandes potencias son: • • • • • • • • • • • Volatilidad del precio de los activos y otras variables financieras. lo que esta generalmente ligado a los procesos de desregulación y liberalización de los mercados nacionales (en busca de mayor competitividad). Presiones inflacionarias. 10 Fuente: Construcción propia. Incremento de la deuda externa pública y privada.

Esta crisis tuvo también repercusiones adversas en la economía rusa (moratoria rusa). la volatilidad de las divisas genero reducción del crecimiento económico. se presentó una crisis bancaria generada por la internacionalización de los bancos y por la fuerte dependencia del sector financiero de empresas de construcción e inmobiliarias. ocurrió en Latinoamérica. provocando un efecto riqueza (exceso de liquidez) y altos márgenes de rentabilidad que generaron entrada de capitales. en Japón. quiebra de diversas entidades financieras y aumento de las dificultades de crédito. contaba con normas débiles. lo que paralizó la economía. la crisis se dio por la dependencia en gran medida de los flujos de capital extranjero. además del alza de las tasas de interés que inhibió la inversión productiva e incentivó la inversión especulativa. En México en 1994. generando inestabilidad y atraso de los pagos de las obligaciones financieras y provocando la necesidad de implementar normas de regulación más sólidas que le proporcionaran la capacidad a los mercados financieros de funcionar eficientemente. excesivo otorgamiento de créditos seguido por elevadas tasas de morosidad (riesgo de crédito). revalorización de activos financieros e inmobiliarios y elevado superávit comercial (riesgo de mercado). El lector observará que los factores generadores de la crisis japonesa hicieron evidente la presencia de diferentes riesgos en su economía. lo que provoco la incapacidad de mantener la liquidez interna. y que se dieran más bancarrotas y se profundizara la crisis. lo cual explica el hundimiento de la banca japonesa.Por ejemplo. provocando salidas de capital (falta de motivación por parte de inversores) y especulación en el mercado.997. debido a presiones inflacionarias el Banco Central de Japón decidió subir la tasa de interés bancaria. pues. debido a la inadecuada ingeniería de su sistema bancario y bursátil a la regulación internacional. principalmente debido al aumento de los tipos de interés. La mayoría de países vieron el desplome de sus monedas y la devaluación del mercado bursátil y otros activos. quiebra de bancos y cierre de empresas. el sector financiero (bancario y bursátil) e inmobiliario se vio fuertemente afectado por el desplome de los precios de los activos financieros e inmobiliarios. las autoridades ampliaron las reservas en un 15% generando que la demanda de dólares fuera mayor a la oferta e imposibilitando equilibrar Gestión de riesGos financieros en el mercado de materia primas aGrícolas 11 . La gestación conjunta de todos los riesgos financieros. lo cual genero que los Bancos Centrales redujeran drásticamente las reservas. provocando una reducción del consumo. aumento del desempleo. tras la depreciación de los bienes inmuebles. al inicio del decenio de los noventa. que frenaron la actividad económica de países como México y Argentina que tuvieron fuertes presiones sobre sus divisas e inestabilidad en su sistema financiero. lleva al riesgo sistémico que provoca las crisis económicas y financieras de las económicas. reducción de operaciones bancarias con el exterior provocando iliquidez (riesgo de liquidez) y ausencia de regulación financiera. las caídas bursátiles. En Asía la crisis financiera comenzó en Tailandia con el colapso del Bath tailandés por la decisión del Gobierno de dejarlo fluctuar en 1. Los Gobiernos para prevenir el colapso de los valores monetarios. lo que produjo un fuerte descenso del precio de las acciones y la caída de los precios inmuebles. las tensiones inflacionarias y crisis bancarias. A su vez. Un caso similar. De acuerdo con Vilariño Sanz. problemas de información y una exposición concentrada de portafolios de los bancos con las empresas industriales. Así mismo. incrementaron las tasas de interés domesticas e intervinieron en el mercado cambiario comprando con reservas internacionales todo exceso de moneda doméstica a un tipo de cambio fijo. Sin embargo.

el mercado con las reservas lo que desencadeno una crisis cambiaria y la devaluación de la moneda. mercado de valores y seguros). lideres en asuntos financieros. incrementando la demanda internacional de pesos argentinos y una apreciación en términos reales de la moneda. se evidencio fuertemente en la economía Argentina. la equidad competitiva y la mayor gestión del riesgos. Sin embargo. estos principios no suponen que su aplicación elimine toda posibilidad de crisis financieras pero han ayudado a que las consecuencias de éstas sean menos severas. que contribuyen a salvaguardar los aciertos existentes en la regulación del sistema financiero y. A pesar de que el Comité no tiene autoridad vinculante. el Comité considera que la aplicación de sus principios por todos los países supondría un avance considerable para la mejora de la estabilidad financiera nacional e internacional y a su vez. medir y gestionar el riesgo sistémico. Por otra parte. 12 . es claro que la solidez de un sistema bancario es resultado de políticas macroeconómicas y estructurales que permiten una estrecha correlación con el sistema financiero. generando acumulación de la deuda externa. Es así como el Comité ha desarrollado nuevas reglas que pretenden profundizar la seguridad y solidez del sistema financiero. dada principalmente por la incompatibilidad entre el régimen cambiario y la política fiscal. sentaría las bases para el desarrollo de mejores sistemas de supervisión. todas las crisis han demandado fuertemente la intervención de Organizaciones multilaterales. Este es el caso del Fondo Monetario Internacional y el Banco Mundial. El efecto transmisión que se produjo con la crisis mexicana. En términos globales. No cabe duda que los principios del Comité de Basilea han sido promotores de mejores prácticas en la banca. donde se tomaron medidas de estabilización basadas en el tipo de cambio fijo “ley de convertibilidad”. con el fin de recuperar la confianza y estabilidad del sistema financiero internacional después de las difíciles circunstancias vividas durante los periodos de crisis. Su objetivo principal se centra en la necesidad de crear herramientas de medición y prevención de riesgos. establece estándares y reglas de supervisión que permiten a la autoridad correspondiente en cada país la ejecución de mejores prácticas en la supervisión tomando medidas que se adapten al sistema nacional. antes de la existencia de ésta regulación el sector financiero carecía de normas de supervisión adecuadas. dando lugar al establecimiento de las normas de capital adecuado conocido como Basilea I. que han contribuido a la administración de riesgos de las entidades y del fortalecimiento del sector bancario frente a situaciones adversas presentadas por variaciones en la economía mediante objetivos dirigidos a mitigar la posibilidad de crisis masivas. de manera que no se generaran efectos adversos que perjudiquen su buen funcionamiento. se creó el Comité de Supervisión Bancaria de Basilea con la función principal de crear principios sobre regulación y supervisión del sistema bancario internacional y con la particular intención de identificar. teniendo en cuenta el capital adecuado para su cubrimiento. como las que sucedieron por exceso de riesgo y desequilibrios macroeconómicos. pues. crear y promocionar políticas de supervisión encaminadas al mejoramiento y fortalecimiento de los mercados internacionales con un mayor control del capital y liquidez en los establecimientos bancarios para reducir las falencias del sistema. lo que aumento la entrada de capital extranjero. pues. Por esta razón. Así mismo. es importante que se reforzara la suprema coordinación entre los distintos mercados que conforman el sistema financiero (banca.

sin incluir otros mercados financieros).Es así como algunos de los procesos de regulación financiera no han sido exitosos. cIclo de gestIón 1. económico. Seguimiento y control de las estrategias diseñadas. Esta etapa implica el conocimiento de las principales fuentes de mercado. Para finalizar. y lograr hacer un estimativo de los posibles impactos de dichos eventos. financiero. Identificación (factores) En esta etapa se pretende conocer cuál es el factor generador del riesgo. Es decir. tomar la regulación del sistema financiero separado del sector bancario (el Comité de Basilea ha modificado sus principios básicos para una supervisión bancaria efectiva. El objetivo de emplear dicho instrumental es la medición puntual de las probabilidades de ocurrencia de eventos que sometan a riesgos a las entidades. las variables que afectan el desempeño de las operaciones o actividades realizadas en las entidades del sistema financiero. los principios surgidos de Basilea siguen dirigidos a la banca comercial. mientras el sistema financiero afronta crisis diferentes a las generadas por falencias en el sector bancario. estadístico y/o econométrico. Medición (cuantificación) En esta etapa es fundamental utilizar un denso instrumental del análisis contable. Estrategias para la Gestión del Riesgo (Minimizar su efecto). y dejando de lado la posibilidad de que se generen crisis a través de otras vías. limitando el concepto de sistema financiero tan solo a sector bancario. macroeconómicas. por lo cual. sin dejar a un lado el funcionamiento del sistema bancario. de la regulación o de otros sectores (ej. ha llevado al sector financiero internacional a concientizarse sobre la relevancia de profundizar en la gestión de los riesgos que puedan afectar sus operaciones. el ciclo de gestión de riesgos se puede sintetizar en cuatro grandes aspectos básicos: • • • • Identificación de factores generadores de riesgos. se hace necesario que el sector funcione con estándares de gestión y use herramientas orientadas al fortalecimiento y estabilidad del sistema financiero en general. 2. matemático. de rIesgos fInancIeros La creciente complejidad de los mercados y la mayor diversificación de los productos y servicios financieros resultado de las innovaciones de los mismos. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 13 . a causa de la falta de visión global en el momento de establecer una política económica que permita la liberalización del sector financiero. Inmobiliario) que someten a las entidades del sector financiero a riesgos con potencial de perdidas. 2. Como se puede apreciar en el cuadro 1. Medición o cuantificación del Riesgo y su impacto. Es decir.

OPERACiOnAL Posibilidad de incurrir en pérdidas por procesos inadecuados interna y externamente. Convexidad. Duración. Matriz de calificación. Impacto-Frecuencia. ESTRATEgiAS Reestructuración de deuda. Excesivo otorgamiento de créditos. Asegurarse. Modelos con variables Financieras socio demográficas y económicas. Falta de recursos líquidos (empresas). Asegurarse. Matriz de riesgos: VAR. Precios activos. Generar provisiones. Capacitación al personal. Minimizar fondos riesgosos. mEDiCión Pérdida esperada. Etapas de Gestión de Riesgos Financieros RiESgO DEfiniCión CRÉDiTO mERCADO LiQUiDEz Posibilidad de incurrir en pérdidas por la dificultad de mantener un volumen de inversión adecuado. (Instrumentos Financieros) Asegurarse. Volatilidad tipos de cambio. Matriz de rodamiento. VAR. movimientos adversos en variables del mercado. Posibilidad de incurrir en Posibilidad de incurrir pérdidas por el no pago en pérdidas por de obligaciones. Matriz de calificación. Inmunizar portafolios.Cuadro 1. Cubrirse en riesgo. Minimizar VAR. SEgUimiEnTO Y COnTROL Revisión permanente Valoración de las calificaciones permanente de de los deudores portafolios de inversión Seguimientos de estado de la cartera Revisión permanente Revisión permanente de indicadores de de indicadores de liquidez gestión: Eficiencia Eficacia Impacto Fuente: Construcción propia. Movimientos de las tasas de interés. Asegurarse. Factores externos. VAR. Factores internos. 14 . iDEnTifiCACión Incumplimiento de obligaciones Financieras. Matriz de transición.

derivados y swaps). Transferencia del riesgo mediante seguros El sector asegurador. 3. En realidad. sea inferior al uso de recursos propios con la misma finalidad. los riesgos de baja severidad y los de alta probabilidad por lo general no se aseguran. En la mayoría de los casos. con el fin de ampliar el mercado e Gestión de riesGos financieros en el mercado de materia primas aGrícolas 15 . cuando su coste. la prima. un sustituto del capital y su aplicación se centra en los riesgos poco probables y de gran impacto. en lugar de gestionar internamente la incertidumbre existente. Se reconocen los seguros como mecanismo de mitigación de riesgo. La contratación de un seguro puede generar valor añadido para los accionistas a través de la estabilidad de los flujos de caja. es decir. de acuerdo con el papel que juegue cada entidad dentro del sistema financiero y el perfil de riesgos de las organizaciones. donde el seguro es. son instrumentos que se han implementado en el sector financiero. Generalmente. éstos permiten transferir el riesgo a un tercero (el asegurador) y mitigar la pérdida financiera. tales como la existencia de superposiciones entre distintos seguros individuales.3. futuros. La entidad optará por contratar o adquirir un seguro para financiar sus pérdidas operacionales. una mayor supervisión y control. bajo ninguna circunstancia. en definitiva. Por lo anterior. 3. lo habitual ha sido la contratación de seguros específicos o con una única cobertura. pues. Igualmente. personales o tecnológicos. la eliminación del mismo. en este caso. Estrategias de Gestión Es necesario aclarar que gestionar riesgo no implica. el riesgo se transfiere a otros agentes del mercado por medio de instrumentos financieros o algunas entidades del sistema financiero lo asumen como unidad de negocio. no todos los riesgos son asegurables y la decisión de contratar un seguro depende. los riesgos que se aseguran se asocian a activos físicos. Sin embargo. entre otros.2 Transferencia del riesgo mediante Instrumentos Financieros Las Innovaciones Financieras (opciones. la prevención de catástrofes financieras. intangibles. se logra por medio de nuevos productos que combinan coberturas simultaneas. del valor añadido que éstos supongan para el asegurado. Otras organizaciones no pueden o no deben asumir el riesgo en su totalidad. debido al alto coste fijo que supone la suscripción de pólizas y por los altos costes administrativos. así como el logro de una gestión del riesgo a menor coste. sin embargo. El auge de nuevas soluciones a este tipo de riesgos. por lo que toman posiciones intermedias al minimizar el riesgo o evitarlo. esto lleva a algunos inconvenientes. por lo que tratan de asumir solo aquel que tiene menor probabilidad de ocurrencia o genera el menor impacto en la rentabilidad de su unidad de negocio. ha tomado gran importancia en su papel de mitigación de los diferentes riesgos presentes en las actividades realizadas en los sectores que conforman el sistema financiero (sector bancario y bursátil). fijación de adelantos de caja y las titularizaciones. las organizaciones interesadas en transferir el riesgo no lo pueden hacer en su totalidad. retrasos en el pago de las liquidaciones al asegurado.1. riesgos que cada vez se convierten en un factor clave y estratégico para el desarrollo y crecimiento de las entidades.

venderla antes de su vencimiento en el mercado secundario1 de opciones. comprando o vendiendo los títulos que la opción le permite. pues. en la medida en que el comprador o vendedor pueden anticiparse a los movimientos de los precios futuros o como arbitraje contra otros mercados donde se presenten oportunidades de obtener mayor beneficio. tienen como ventaja la posibilidad de que el poseedor de la opción. Igualmente. El mercado secundario le da liquidez a los valores existentes. La creciente competencia entre intermediarios financieros y los avances tecnológicos. esto es: 1. hacen más completos los mercados al generar mayores oportunidades para los agentes y permitirles transferir el riesgo a otros inversionistas. se debe a diferentes factores que han generado la necesidad de crear instrumentos que ayuden a mitigar el riesgo sistémico y contribuyan a la creación de mayores oportunidades dentro del mercado tanto para inversionistas como para prestatarios. Este tipo de derivados. generadoras de una mayor circulación de capital entre los países. en los tipos de cambio y en la inflación. tales como: los Forward. Los forward. son contratos celebrados entre dos partes. Es aquel donde los instrumentos financieros o títulos valores que se han colocado en el mercado primario. Las opciones se clasifican en opciones put (de venta) o call (de compra). 16 . los Swaps. de llevar a cabo una transacción en fecha futura a un precio predeterminado. hacen necesario el desarrollo y la incursión de nuevos activos y servicios financieros en el mercado. son instrumentos de cobertura. El surgimiento de las innovaciones financieras. ya sea de compra o de venta. 1 Mercado Secundario. pues. son objeto de negociación. en los cuales se pactan un precio determinado y una fecha futura de ejecución. estos derivados son utilizados como instrumentos especulativos. de compra o venta de un activo subyacente. en los precios de las acciones. y un call le da derecho de comprar el activo. en los cuales dentro del contrato se confiere al tenedor el derecho. si existe la probabilidad de incurrir en pérdidas debido a la volatilidad de precios durante el tiempo que transcurre la operación. unido a un proceso de liberalización hace necesario la implementación de nuevos servicios financieros y préstamos internacionales.incrementar su liquidez a través de una mayor disponibilidad de recursos para los prestatarios y oportunidades para los inversionistas. En Colombia. Este tipo de derivados se caracterizan principalmente porque ofrecen cobertura del riesgo. más no la obligación. una put da al tenedor el derecho de vender el activo subyacente a un precio especificado. Las Opciones. elija tres alternativas al momento de adquirir la opción. los Futuros y Derivados. La desregulación de los mercados nacionales con respecto a las transacciones financieras internacionales. dejar pasar la fecha de vencimiento sin ejercer la opción o 3. Dentro de los principales factores que han permitido la creación de estas innovaciones financieras se encuentran los siguientes: • • • • La volatilidad en los tipos de interés. se pueden identificar diferentes instrumentos innovadores en la administración de riesgos. Así mismo. estos instrumentos son utilizados para manejar el riesgo financiero. ejercer el derecho. El crecimiento de los mercados financieros internacionales. 2.

se encuentran los establecimientos de crédito. pues. que generalmente son transacciones a largo plazo realizadas con dinero o títulos valores Gestión de riesGos financieros en el mercado de materia primas aGrícolas 17 . en los cuales. están conformados por el mercado de acciones. Estas instituciones en su conjunto realizan actividades de intermediación financiera. estructura del sector fInancIero y esquemas de regulacIón En Colombia. la persona poseedora del activo subyacente con la operación desea asegurar un precio fijo para la operación futura. Por otra parte. en la etapa de seguimiento. A su vez. mercado de divisas y el mercado de renta fija. en los cuales. Dentro de las instituciones financieras. almacenes generales de depósito y sociedades administradoras de fondos de pensiones y cesantías y por último están las sociedades de capitalización. Operaciones especulativas. el principal objetivo de la administración de riesgo es garantizar que la institución no sufra pérdidas económicas inaceptables y mejorar el desempeño financiero de la entidad ajustando la exposición al riesgo y generando nuevas oportunidades de negocio. se emplean indicadores de medición que permitan a los gestores del riesgo tomar decisiones de inversión. por medio de la captación y colocación de recursos del público. cobertura o sencillamente reconfigurar sus portafolios o unidades estratégicas de negocio. corporaciones financieras. el sector bursátil esta dividido en sistemas transaccionales y operaciones especiales. se encuentran las sociedades de servicio financiero que se dividen en sociedades fiduciarias. mercado de derivados. evaluación de las estrategias y control de los factores generadores riesgo. compañías de financiamiento comercial y las cooperativas financieras. Seguimiento y control En esta etapa los gestores del riesgo evalúan permanentemente la efectividad de las estrategias para mitigar el riesgo. 4. bursátil y asegurador. Los sistemas transaccionales. 3. el Sistema Financiero esta compuesto por diferentes sectores que prestan servicios financieros especializados de acuerdo a su naturaleza: bancario. que están conformados por las instituciones bancarias. con el fin de financiar la producción y el consumo mediante los depósitos a la vista o a término que son canalizados en el sector bancario. la persona que contrata el futuro solo busca especular con el comportamiento de precios desde la fecha pactada hasta su vencimiento.Los Futuros. Estos derivados suelen ser utilizados comúnmente para dos propósitos principales: • • Operaciones de cobertura. son contratos a plazo estandarizados que obligan a las partes a comprar o vender un activo subyacente en una fecha futura y a un precio preestablecido. Típicamente.

las operaciones especiales son procedimientos tales como operaciones martillo. gestIón global de rIesgo de crédIto El Riesgo de Crédito es la probabilidad de que una entidad incurra en pérdidas y disminuya el valor de sus activos. que se presenta cuando los países imponen controles a las divisas extranjeras. siempre y cuando se otorguen garantías y se constituyan con base en los parámetros establecidos por la ley. Herramientas para la medición del Riesgo de Crédito Dentro de las herramientas para la medición de riesgo se encuentran dos: Credit Metrics y Credit Risk. OPA (ofertas públicas de adquisición). el sector asegurador está conformado por las entidades aseguradoras.que se negocian a través de mercados organizados como lo son bolsas y bajo condiciones preestablecidas. que se caracterizan por ser independientes y realizadas bajo la supervisión de la Bolsa de Valores de Colombia. 4. democratizaciones y operaciones de subasta. 4. El esquema 1 realiza una descripción de la estructura del Sistema Financiero en Colombia. Por otro lado. incluye el Riesgo de pago. permitiendo procesos y procedimientos transparentes que garanticen una efectiva gestión del riesgo. quienes establecen reglamentos para que sean ejecutados por los agentes de mercado. 4. Finalmente. así mismo. La regulación del Sistema Financiero Colombiano esta a cargo del Gobierno Nacional y el Ministerio de Hacienda.P. ha sido uno de los modelos más utilizados para medir mejoras o deterioros de la calificación de los sujetos o entidades deudoras o acreedoras. Este riesgo involucra el Riesgo Soberano. imposibilitando el cumplimiento de las obligaciones de la contraparte.1.1. estableciendo medidas de protección para los inversionistas y contribuyendo a la estabilidad del mercado por medio de dos instituciones: la Superintendencia Financiera y el Autorregulador del Mercado de Valores (AMV). por medio de la expedición de normas y reglamentos que permiten canalizar y desarrollar las actividades bancarias y bursátiles de acuerdo a la normatividad. Morgan en 1997. como consecuencia de que sus deudores incumplan total o parcialmente el pago de sus obligaciones crediticias. los intermediarios de seguros y los intermediarios de reaseguros. Credit Metrics Esta herramienta para la medición del riesgo desarrollada por J.1. que son instituciones que tienen como objeto social asumir riesgos de terceros mediante la expedición de pólizas de seguros. Las principales características de la metodología son: 18 . que se refiere a la posibilidad de que una contraparte pudiese incumplir en un contrato después de que una de las partes ha realizado el pago previamente.

EsquEma 1: estructura del sistema financiero colombiano. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 19 .

1. El esquema 2 permite apreciar el instrumental desarrollado por credit metrics.Traducción Propia. Simulación en los cambios de calificación crediticia de cada contrapartida. en un determinado horizonte temporal.1. y de probabilidades de migración de una calidad crediticia a otra. Los cambios en valor se relacionan con las migraciones en la calidad crediticia del emisor o prestatario. los Valores en Riesgo (VaR) de carteras crediticias y finalmente las correlaciones de los rendimientos de los precios de los activos. denominada Credit Risk. La combinación de los criterios descritos en dicho esquema permite valorar el riesgo de crédito de un portafolio de otorgamientos de crédito. Estimación de la distribución esperada a plazo de los cambios en el valor de una cartera de bonos o préstamos. 4. EsquEma 2. bonos. distinta a la de CreditMetrics de JP Morgan. en el horizonte de interés. 20 . El primer paso en esta metodología es especificar un sistema de calificación crediticia. Fuente: Credit Metrics . Estructura de credit metrics. Credit Risk Otra herramienta. Las características de esta herramienta son: 1. 3. Un contrato A está en incumplimiento con probabilidad P(A) o no lo está con probabilidad 1– P(A). 2. permitiendo cuantificar las pérdidas por riesgo de crédito tanto por cambio de calificación como por incumplimiento.2. papeles financieros representados en acciones por ejemplo. No se hace ninguna hipótesis sobre las causas de incumplimiento. es la metodología desarrollada por Credite Suisse en 1997. En él se aprecia que los tres (3) pilares básicos para la cuantificación del riesgo de crédito son las exposiciones o montos expuestos. 4.

3. fortaleciendo el sistema financiero. Riesgo de Exposición: Es el que se refiere a los montos futuros en riesgo. de vivienda y de microcrédito. Para este cálculo existen modelos para la estimación o cuantificación de pérdidas esperadas. Riesgo de crédito portafolio: incluye la correlación existente entre los acreditados y su entorno. ya sea para uno. Al adoptar sistemas de medición de tales pérdidas. que deben ser estimadas o cuantificadas en cada modalidad de crédito. entre otros. independiente del riesgo de mercado y crédito. las entidades pueden diseñar y adoptar sus propios modelos internos de estimación respecto de la cartera comercial. de consumo. para los mismos efectos.3. es decir. Para un número grande de contratos. Para analizar el Riesgo de Crédito y poder establecer las pérdidas por incumplimiento. el apalancamiento. incluyendo las nuevas técnicas de medición. Cuando se utilizan las técnicas de medición asociadas al Riesgo de Crédito. estas técnicas sirven como herramienta para una mejor toma de decisiones en la concesión de créditos y en la diversificación del portafolio. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 21 . La exposición a cada contrato se ajusta por una tasa de recuperación exógena.2. Riesgo de crédito individual: riesgo del acreditado en función a sus características propias. es independiente del número de incumplimientos de cualquier otro periodo. la volatilidad de los mercados. con lo cual se mide la pérdida promedio que se esperaría en el siguiente período a causa de incumplimiento o variaciones en la calidad crediticia. Riesgo de Recuperación: Es la posibilidad de no poder predecir la recuperación en caso de presentarse incumplimiento.1. La probabilidad de incumplimiento de un contrato en un determinado periodo (un mes) es la misma para cualquier mes. es necesario definir algunos elementos que lo componen: • • • • • Riesgo de Incumplimiento: Es la probabilidad de que se presente incumplimiento en el pago de un crédito. estructura financiera. algunos o la totalidad de sus portafolios ó componentes de la medición de la pérdida esperada. Por esta razón. los modelos de referencia diseñados por la Superintendencia Financiera para diversos portafolios. los ciclos de desempleo. ó aplicar. por lo general lo que se busca es otorgar una calificación al crédito. 4. la innovación en los instrumentos financieros para mitigar el riesgo. la probabilidad de incumplimiento de uno de ellos es pequeña y el número de incumplimientos que pueden ocurrir en un periodo. utilizando sus principales drivers macroeconómicos de crédito y mercado. Pérdida Esperada Es la media de la distribución de pérdidas del portafolio de crédito. etc. 4. La calidad de la cartera (deterioro o mejora de la misma) puede depender de diversos factores como la complejidad organizativa de las corporaciones. crean nuevas oportunidades para expandir el mercado del crédito.

La agregación de la combinación de estos factores. Un supuesto fuerte sobre el que descansa la medida en VaR en la mayoría de métodos de estimación hace referencia a la distribución normal de la variable de pérdida esperada. entre otros. valor en riesgo. se deben considerar los N sujetos deudores que hacen parte de una cartera especifica y para cada uno de ellos estimar los montos expuestos. la coyuntura económica.1. = Probabilidad de incumplimiento (Variable Aleatoria Bernoulli): Se tiene en cuenta las características del sujeto tales como ingresos del solicitante. como se muestra en la ecuación 1. estiman la varianza de las perdidas esperadas del portafolio. CL = Pérdida Esperada del Crédito. i CEi fi 4. Nuevo paradigma para el control de riesgos con derivados. permite obtener una medida de la perdida esperada de cierta cartera crediticia. también conocida como “Perdida no Esperada” hace referencia a la máxima pérdida que puede sufrir un portafolio de préstamos como consecuencia de que el valor de éstos disminuya debido a un deterioro en su calidad crediticia. pues en épocas de crisis y auges de la economía tiende a sobreestimar o subestimar las perdidas máximas. Tiene como característica el supuesto de que los rendimientos del activo se distribuyen de acuerdo con una curva de densidad de probabilidad normal. Para la determinación de la medida del Valor en Riesgo (VaR) de crédito. (1) Donde. es necesario determinar a priori el nivel de confianza con el que se desea hacer las estimaciones. 22 . avales. 2 Phillipe Jorion. el VaR es una medida que solo puede ser aplicable a situaciones cotidianas del mercado. y está basada en la matriz de transición. Las metodologías para la estimación del VaR de crédito. Es el porcentaje de la exposición que se estima recuperar en caso de que el acreditado llegue al incumplimiento. = Tasa de Recuperación dado el Incumplimiento.4. las tasas de recuperación históricas y las probabilidades de incumplimiento. su historial de crédito. y el horizonte temporal. = Crédito Expuesto (Monto).Para la estimación de la perdida esperada. El valor en riesgo se puede calcular mediante dos métodos: • • Métodos paramétricos. Valor en Riesgo de Crédito (VaR) Esta medida. Método no paramétrico: Consiste en utilizar una serie histórica de precios de la posición de riesgo (portafolio) para construir una serie de tiempo de precios y/o rendimientos simulados o hipotéticos. Es de anotar que. como se mencionara más adelante. con el supuesto de que se ha conservado el portafolio durante el periodo de tiempo de la serie histórica2. en todos los casos.

la tasa de recuperación de la contraparte es de 51. la pérdida esperada por riesgo de crédito será $87.97. En ella se puede apreciar la perdida esperada (media) y la distribución de la perdida inesperada (VaR). Si la probabilidad de incumplimiento de una contraparte. Esperadas y no esperadas Esta distribución presenta una forma sesgada hacia la derecha debido a la existencia de una gran cantidad de pérdidas de menor tamaño o valor y sólo unas pocas de tamaño considerable.18%. De acuerdo con la ecuación 1. En este caso.Traducción propia GráfiCo 2. El lector pensara que un ejemplo será más fácil de entender. la perdida potencial puede distribuirse como se muestra en la grafica 2. Distribución de Perdidas. es de 0. y el nivel de confianza con el que se hacen las estimaciones. la variable Xi es una variable discreta de categoriza a los clientes cumplidos y los incumplidos. (3) Gestión de riesGos financieros en el mercado de materia primas aGrícolas 23 .966 indican el nivel de provisiones iniciales que la institución debería tener en relación al incumplimiento de cartera en este crédito. Fuente: Ernst & Young . La ecuación 2 muestra el cálculo. con calificación bbb de s&p. es posible combinar dichos factores para el cálculo de la perdida esperada. la distribución de probabilidad puede asumirse como un procedimiento bernoulli. como se muestra en la ecuación 3. (2) Entonces estos $87.Por este motivo.13% y la exposición de riesgo de crédito es de 100 millones de pesos. Para calcular la pérdida no esperada se puede asumir que dado que la operación puede caer en incumplimiento o no (solamente dos posibilidades).

c. 99 ó 99. (7) Al igual que antes. Un periodo de observación basada en. que muestra el capital mínimo de $2´071.9% preferiblemente.La función de densidad de la variable Xi está dada por la ecuación 4. (6) Por otro lado. la perdida no esperada estaría determinada por la ecuación (6). CE y f se definen como en la ecuación 1. semanas. o en relación al VAR promedio de los últimos 60 días hábiles multiplicado por un factor “multiplicativo”. (4) Tal distribución tiene como primer momento la media y segundo momento. Metodología para el cálculo del VaR 1. la desviación estándar. con lo que se pretende proporcionar protección adicional contra entornos menos estables. es posible obtenerla de la ecuación (7). CL. así como en toda clase de categorías y para instrumentos de deuda y divisas. (5) Teniendo en cuenta el mismo ejemplo para el cálculo de la pérdida esperada. que es determinado por los reguladores locales. 3. meses o años preferiblemente). El cargo de capital deberá ser fijado en relación al nivel más alto del VAR del día previo. Un intervalo de confianza de 95. al menos. Un horizonte de operación (días. b. 2. la perdida no esperada cuando se considera la tasa de recuperación y se calcula la varianza de las perdidas en cada uno de los escenarios de crédito. 24 . El cálculo del VAR debe basarse en un conjunto de entradas de datos uniformes: a. un año de datos históricos y actualizados al menos una vez por trimestre. Considerando que las tasas de recuperación son constantes.511 que debe mantener la institución para garantizar la continuidad del negocio. la pérdida no esperada estaría determinada por la ecuación 5. ρi . Las correlaciones pueden establecerse en categorías generales (tales como instrumentos de deudas).

3. Métodos de calificación de Riesgo de Crédito 4. • • • • • 4. diferente a la obligación financiera sujeta a la buena fe de la disputa comercial. El problema es. Financial Risk Manager Handbook Second Edition. (2) La inhabilidad o falta de solvencia para el pago de la deuda. De acuerdo con Standard & Poor’s. Incumplimiento de pago: significa el posible no pago por parte del deudor. Rechazo/moratoria: significa que la contraparte esta rechazando o desafiando la validez de la obligación. una agencia de crédito es la primera instancia del pago de cualquier obligación de crédito. Reestructuración: es una reprogramación de la obligación con efectos y términos poco favorables generalmente. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 25 . y. (4) El procedimiento de la institución que se encuentra en bancarrota. (3) La autorización para la realización de los pagos en el contrato.1. (6) La adscripción temporal de todos los activos a una tercera parte. El esquema 3 permite observar la clasificación de las calificaciones para evaluar los créditos: Las calificaciones están divididas en: • • grado de inversión: que son todas aquellas que se encuentran por encima de BBB para Standard & Poor’s y de Baa para Moody’s. usualmente establecido después de un período de gracia y de un monto determinado. (5) La cesación de pagos. Acontecimientos de Crédito Un acontecimiento de crédito es un estado diferenciado que puede o no suceder.3. Obligación/aceleración cruzada: significa que el acontecimiento de no pago en cualquier obligación similar.4. Obligación/incumplimiento cruzado: significa que el no pago se puede dar en cualquier obligación similar (swaps) por cualquiera de las partes. 3 Phillipe Jorion. se vuelve una deuda inmediatamente. Algunos de los acontecimientos de crédito que se pueden presentar son: • Bancarrota: es una situación que incluye: (1) La disolución del deudor. ya sea que ésta esté calificada o no. ¿cómo definir este acontecimiento y que marco legal aplicarle?. como por ejemplo fondos de pensión. grado Especulativo: que son el resto de calificaciones que usualmente son usadas para definir clases de inversión permitidas para algunos inversionistas. Credit Ratings3 La calificación crediticia ha sido definida como una opinión que las entidades de crédito utilizan para determinar si se trata o no de dar un préstamo o línea de crédito a un individuo o a un país.2.

Se calcula a partir de la migración de los acreditados a distintos niveles de calificación de riesgo. Financial Risk Manager Handbook Second Edition . pero la suma de las columnas no necesariamente tiene que ser igual a la unidad. ESTADO FINAL A ESTADO INICIAL A B C D Fuente: Construcción propia B 0.64 0.3.00 1. después de un periodo es del 2%. Rating o calificación de Crédito. es del 12%.23 1.02 0. 4. mientras que la probabilidad de que un sujeto inicie con calificación C y después de un periodo tenga calificación B. en el caso de los países tiene que ver con la capacidad de los países con cumplir con sus obligaciones.2.00 1.12 0. 26 . La tabla 1 muestra un ejemplo: Tabla 1.03 0.00 D 0. mostrando la probabilidad de que un crédito con determinada calificación pase a otro rating. Matriz de Transición y cadenas de Markov Permite estimar la probabilidad de pasar de un estado inicial (i) en el cual se encontraba la deuda del individuo en un cierto periodo de tiempo t.00 La matriz muestra por ejemplo que la probabilidad de iniciar con una calificación B y pasar a calificación C. la suma de las filas debe ser igual a la unidad ya que se trata de probabilidades.93 0.01 0.00 0.00 1.97 0. Para todos los casos.Traducción propia La función de las clasificaciones de riesgo es la de determinar la viabilidad.EsquEma 3. TIPO GRADO Grado más alto GRADO INVERSIÓN Grado alto Grado medio alto Grado medio Grado medio bajo Especulativo GRADO ESPECULACIÓN Pobre Altamente especulativo Baja calidad En Incumplimiento STANDARD & POOR´S AAA AA A BBB BB B CCC CC C D MOODY´S SERVICES Aaa Aa A Baa Ba B Caa Ca C Fuente: Phillipe Jorion.00 TOTAL PROBABILIDAD 1. Un periodo.00 0.02 0. Matriz de Transición de estados. a un estado final (j) en el periodo siguiente t+1. oportunidad y sobre todo la seguridad de emprender algún tipo de negocio o contrato.00 C 0.00 0.03 0.

Estrategias para la Mitigación del Riesgo Constitución de provisiones4 Prevé el cubrimiento del riesgo mediante provisiones generales e individuales. una forma de mitigar el riesgo es provisionar las pérdidas esperadas desde el momento que se otorga el crédito. Las políticas de provisiones deben considerar explícitamente los ajustes contra-cíclicos de los modelos. Distribución inicial del sistema entre los M estados posibles. a fin de compensar. que permitan absorber las pérdidas esperadas derivadas de la exposición crediticia de la entidad y estimadas mediante las metodologías y análisis desarrollados en el Sistema de Administración de Riesgo de Crédito (SARC).24%. regrese al estado B Dicha probabilidad es igual a 0.4. encadenando las probabilidades a través del tiempo. con el fin de poder responder ante sus clientes y ante el mismo sistema.Por otro lado. (8) 4. y una vez que se otorga. El lector podrá extender el análisis encadenando varios periodos de tiempo. debe realizarse un proceso de autorización en donde se establezca un monto máximo de riesgo tolerable a futuro. dado que inicio en C. La ecuación 8 permite hacer el cálculo del proceso de markov. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 27 . Por ejemplo. Normalmente el índice t representa un tiempo y X(t) el estado del proceso estocástico en el instante t. las que deberían constituirse en períodos de deterioro en la calidad crediticia. es posible encontrar en la tabla 1 la probabilidad de que un individuo haga transición de un estado B a un estado C después del primer periodo. un mes). antes de otorgar un crédito. la entidad debe realizar un seguimiento al comportamiento del mismo. en un ciclo (matriz P). Una vez que las entidades financieras hacen uso de estas mediciones. Por ello. se encuentra que un proceso estocástico tiene la propiedad markoviana cuando las probabilidades de transición de un paso sólo dependen del estado del sistema en el período anterior (memoria limitada). al menos en parte. de manera que en los períodos de mejora en la calidad crediticia se constituyan mayores provisiones de las que serían necesarias en tales condiciones. Un conjunto finito de M estados. exhaustivos y mutuamente excluyentes (ejemplo: estados de la enfermedad). es un conjunto o sucesión de variables aleatorias: {X(t) CG } definidas en un mismo espacio de probabilidad. y para el segundo periodo. Por otra parte. las cadenas de Markov son modelos probabilísticos que se usan para predecir la evolución y el comportamiento a corto y a largo plazo de determinados sistemas. 4 Circular básica contable y financiera (Circular Externa 100 de 1995). Cuenta con las siguientes características: • • • • • Un proceso estocástico. Ciclo de Markov: periodo de tiempo que sirve de base para examinar las transiciones entre estados (ejemplo. Probabilidades de transición entre estados.

basadas en el previo conocimiento del sujeto de crédito. Pero. cooperativo y casi nulo en otros sectores de la economía. supone la minimización de los riesgos causados por el incumplimiento de los pagos. La filosofía de este sistema. El SARC ha permitido a las entidades tener un mayor control de pérdidas causadas por el riesgo crediticio. La tenencia de un capital económico permite mantener activa la unidad de negocio a pesar de fuertes detrimentos generados por pérdidas no esperadas. éstas tienen la posibilidad de crear sus propios modelos de administración de riesgo. es deseable que las entidades inicien un proceso de estimación de este capital con metodologías internas. dicho ajuste deberá registrarse independientemente para cada crédito. fue diseñado con el propósito de evaluar adecuadamente el riesgo de crédito de las entidades que puedan incurrir en pérdidas a causa de este riesgo: establecimientos bancarios. dentro de sus políticas establece una serie de lineamientos para el otorgamiento de créditos. Recuperación de cartera Las entidades deben desarrollar políticas y procedimientos que les permitan tomar oportunamente medidas para enfrentar incumplimientos con el objeto de minimizar las pérdidas. Las entidades están obligadas a implementar este sistema de la superintendencia.Estos ajustes pueden hacerse mediante provisiones individuales y/o provisiones generales. Sistema de Administración de Riesgo de Crédito El Sistema de Administración de Riesgo Crediticio (SARC). la Superintendencia Financiera tiene un control limitado en cuanto a la supervisión de la aplicación del SARC o cualquier otro sistema establecido por la entidad. pues. viéndose reflejado en su importante participación y aporte dentro del sistema Financiero Colombiano en los últimos años. lo que ha generado que las entidades tengan limites en los niveles de exposición de los créditos otorgados. Este tipo de estrategias de recuperación de carteras vencidas pasan por lo general por la liquidación de las garantías reales que respaldan los créditos. Sin embargo. 4. pues. en Colombia es incipiente su implementación en el sector financiero. su capacidad de pago. Capital económico Se entiende por capital económico la estimación del nivel de patrimonio necesario para absorber las pérdidas no esperadas de la entidad. corporaciones financieras. la reestructuración de las deudas. compañías de financiamiento comercial. entre otras. permitiendo un mayor desarrollo y expansión del sector bancario. cooperativas financieras y aquellas entidades autorizadas para otorgar créditos. garantías y condiciones del préstamo.5. En caso de que el ajuste contra-cíclico se efectúe individualmente. teniendo en cuenta que éstos a su vez sean sometidos a la evaluación y aprobación de la Superintendencia Financiera. Sin embargo. el cobro a firmas aseguradoras de deudas respaldadas por mecanismos de aseguramiento. Si bien todavía no es una exigencia regulatoria en Colombia. la dificultad 28 .

de lograr que el sistema que se aplique sea efectivo, está en que la Superintendencia no tiene la posibilidad de vigilar su aplicación y que éste en la práctica este siendo realmente utilizado. Por ello, un sistema de gestión de riesgo de crédito debe ser mas una filosofía de manejo de una unidad de negocio, más que una imposición de la regulación o cualquier otro ente que propenda por la estabilidad de los mercados al interior del país. Para el caso internacional, no todos los países ni entidades aplican este tipo de modelos, por lo que, la economía colombiana se ve afectada por crisis financieras que se presentan en otros países. Al ser un país emergente, Colombia no cuenta con los instrumentos y recursos suficientes para salvaguardar los diferentes sectores de la economía y generalmente la profundización de las crisis exige una gestión rápida, amplia y coordinada que le permita minimizar los efectos que se puedan presentar a causa del “efecto contagio” generado por el colapso financiero en la economía de países desarrollados y lideres en asuntos económicos y financieros. En este contexto, efectos como la restricción crediticia, el alza de las tasas de interés internas y la desaceleración de la economía mundial, restringen la oferta del crédito y llevan al incumplimiento de los pagos, generando desconfianza e inestabilidad en las entidades financieras e impidiendo el adecuado funcionamiento de los mercados de crédito.

5. gestIón global de rIesgo
de mercado
El lector estará altamente interesado en comprender adecuadamente el esquema de Gestión Global de Riesgos de Mercado y su instrumental de medición y mitigación del riesgo, pues este es uno de los riesgos de mayor importancia en el mercado de materias primas agrícolas a nivel mundial. El Riesgo de Mercado es la probabilidad de pérdida o ganancia potencial que puede presentar un portafolio, un activo o un título en particular, originada por cambios y/o movimientos adversos en los factores de riesgo que determinan el precio de los instrumentos que componen una cartera de valores tales como. Los movimientos de una de las variables que alteran el valor de los activos y/o portafolios pueden traducirse en una disminución del patrimonio que puede afectar la viabilidad financiera de una organización y la percepción que tiene el mercado sobre su estabilidad. Basilea indica que el riesgo de mercado, refleja la incidencia de un cambio adverso en las variables precio, tipo de interés y tipo de cambio sobre posiciones abiertas en los mercados financieros, de ahí que, en ocasiones, se denomine Riesgo de Posición. Los factores generadores de riesgo de mercado a los que se encuentra expuesto un inversionista, contemplan el movimiento de una de las siguientes variables: • • • • Tasa de interés. Tipo de cambio. Precios de títulos valores (renta fija (cdts-bonos) y/o renta variable (acciones)). Precios de materias primas.

Gestión de riesGos financieros en el mercado de materia primas aGrícolas

29

5.1. Riesgo de Tipos de Interés
El Comité de Supervisión Bancaria de Basilea (BIS, 1997) define el riesgo de tipos de interés como la exposición de la situación financiera de una organización a movimientos adversos en los tipos de interés. En particular, es posible diferenciar entre: • Riesgo de interés de balance, derivado de la estructura patrimonial de la entidad financiera, donde, una entidad con sensibilidad pasiva experimentará una pérdida ante una subida en los tipos de interés; análogamente, una entidad con sensibilidad activa, incurrirá en una pérdida ante una reducción en los mismos. Riesgo de interés de mercado, que afecta al precio o valor de mercado de aquellos instrumentos financieros en los que se negocian tipos de interés, en particular, renta fija y derivados sobre tipos de interés. Puede identificarse con la elasticidad del precio de un activo de renta fija respecto a los tipos de interés.

La tasa de interés como factor de riesgo, es aquella variación (positiva o negativa) en el valor de un activo en un periodo de tiempo determinado, entre dos fechas distintas (presente y futuro). En el mercado de dinero se manejan con frecuencia diferentes tasas o tipos de interés expresadas en diversas bases y diferentes plazos; para que las tasas que sean comparables, se requieren que se hayan expresado en la misma base y ser del mismo tipo, a lo que se le llama estructura intertemporal de tasas de interés, que es una manera estable de mostrar las tasas de interés en diferentes plazos o periodos.

5.1.1. Medición del Riesgo de Tasa de Interés
La medición del Riesgo en Tasa de Interés, según la Superintendencia Financiera de Colombia, tiene como propósito determinar el efecto de cambios en las tasas de interés sobre el valor del capital de la entidad. Esta medición se hace a través de las metodologías de duración y convexidad. La metodología de duración, es de gran utilidad, especialmente como un indicador de riesgo, ya que permite determinar el cambio en el valor de un activo cuando se presenta una variación en la tasa de interés (es importante tener en cuenta al momento de realizar el cálculo de la duración, el tipo de tasa de interés pactada, es decir, si es fija o variable, en moneda local o extranjera). El lector deberá recordar de ahora en adelante que existe una relación inversa entre el precio de los bonos (públicos o privados) y la tasa de interés. Esto se debe a que, por ejemplo, una subida de la tasa de interés reduce el precio del bono al alterar su valor actual. En realidad, en escenarios volátiles de la tasa de interés, el cálculo de la duración tiende a subestimar la subida de los precios de los bonos ante una reducción de las tasas de interés, y a sobreestimar la caída de los precios de los bonos ante un aumento de los tipos de interés de mercado. Para solucionar este problema, el cálculo de la convexidad permite hacer una mejor aproximación al valor real del movimiento del precio. El gráfico 3 muestra la relación inversa que existe entre las tasas de interés y los precios de los bonos. La gráfica muestra que con una tasa inicial cercana al 13% por ejemplo, el precio del bono esta a un nivel de $802, en el punto X1 de la gráfica. Si las tasas de interés subieran, el precio del bono se reduciría, pero la pregunta es ¿hasta qué punto?. El lector notará que la recta mostraría una mayor caída (hasta el punto X3) en comparación con

30

Fuente: Construcción propia

Gráfico 3. Relación tasa de interés, precio del Bono.

la curva que muestra una caída más leve (hasta el punto X2). Esta diferencia se debe a la inclusión del componente convexo. En realidad, el precio del bono se reduce hasta el punto X2, pero la relación lineal no recoge este efecto. La metodología de convexidad es una propiedad de los instrumentos de deuda, y se hace cuando el cálculo de la duración es insuficiente debido a una alta volatilidad en las tasas de interés. La convexidad siempre es positiva y es buena en la medida que es un amortiguador contra las pérdidas debidas a los incrementos en las tasas de interés, la duración en cambio es negativa y a mayor duración mayor riesgo en el bono. Las variaciones en las tasas de interés de mercado van a estar generando dos tipos de cambios en el escenario empleado por un administrador de cartera; por una parte, se van a estar viendo alterados los valores actuales de los activos financieros que conforman el portafolio y, por otro lado, se van a estar viendo modificadas las posibilidades de reinversión de los flujos que son liberados por los activos que conforman el portafolio. La duración es un concepto que permite calcular el tiempo que tarda un inversionista en recuperar su inversión, contada desde el momento que compra el bono, hasta el momento que recupera la totalidad de la inversión. En el mercado de bonos existen algunos bonos que no pagan cupones, es decir que no reportan algún tipo de rentabilidad al inversionista durante la vida del mismo, sino que pagan un único cupón al final de la vida del bono. A este tipo de bonos se les denomina bonos cero cupón y se caracterizan porque la duración es igual al periodo de vencimiento. Es decir, si un inversionista compro en el periodo t uno de estos bonos, solo percibirá el principal (inversión inicial) y la rentabilidad cuando el bono tenga el vencimiento, por ejemplo t+10, si el bono tiene
Gestión de riesGos financieros en el mercado de materia primas aGrícolas

31

es necesario emplear la duración (con signo negativo. Si el inversionista acumula pasivamente los cupones recuperará la inversión 32 . que vence en 10 periodos y que paga cierto cupón C cada periodo. cuando un bono paga cupón. Como el lector estará pensando. El flujo de caja incluye el cupón que recibe en cada periodo el tenedor del bono. por lo que la duración se modificará a la baja. un inversionista adquiere un bono en el periodo t. Este efecto de reinversión de los cupones hace que la inversión se recupere a una mayor velocidad. tal y como lo muestra la ecuación (11). el inversionista puede ir acumulando los cupones para completar el principal. sin tener en cuenta el efecto que la convexidad ejerce sobre el movimiento del precio del bono. no lo guardan pasivamente y lo van acumulando. Para este caso el vencimiento es a 10 periodos y la duración es también de 10 periodos. Esto obedece a que en primera instancia. (10) Para medir el cambio en el precio del bono ante un cambio en las tasas de interés. En este sentido. (9) Donde. Por el contrario. (11) Donde ∆r mide el cambio en la tasa de interés. los bonos que pagan un cupón de manera periódica a los tenedores de los bonos captan rentabilidad durante la vida del mismo. por lo que no tienen que esperar al final para ir recuperando la inversión. es la tasa de interés de mercado cada uno de los t periodos de tiempo Periodo de vencimiento del Bono Valor neto actual del flujo de caja del bono.duración de 10 periodos. los inversionistas una vez reciben el cupón cada periodo. La ecuación (10) permite apreciar la forma como se calcula el Valor Neto Actual (VNA) de un bono. por lo que el cupón se va a multiplicar igualmente. Es decir. la duración es menor al vencimiento. La ecuación (9) muestra la forma como se calcula la duración (D) de un bono. sino que toman esos montos y los reinvierten en los mercados. FCt r t T VNA = = = = = es el flujo de caja del periodo t. por la relación inversa entre precio del bono y tasa de interés) y las variaciones de las tasas de interés.

2. M si N sube las tasas de interés en ambos casos peranual (una materia prima por ejemplo). Por ello.en t+8 periodos por ejemplo. lo que es N Igualmente. 5. Pero si el inversionista decide reinvertir los cupones y por ellos también recibe rentabilidades. como en los precios de las materias primas (commodities) y sus derivados. un portafolio inmuindividuales individuales . Si cae el precio de un activo VaRT . como ocurre cuando varían los precios. 2 wT VaRT . es mejor 252siempre se cubran en riesgo que Portafolio en el mercado de plazos. por ejemplo en t+7 periodos. Esto es falso en todos los2casos. la convexidad es un concepto sencillo que permite hacer una estimación del efecto neto real de un movimiento de las tasas de interés sobre el precio. Gestión del Riesgo de Tasa de Interés VaRT . riesgo tasa de interés y riesgo precio se deben balancear y así mantener un rendimiento de portafolio constante. la inmunización de un portafolio se convierte en una estrategia que VaRTPortafolio M N 2 wT C w 2T balancea el riesgo de reinversión y el riesgo de portafolio. o se 252 T derá el tenedor de estos activos. pues.2. T diaria duce el precio del bono por. la inversión inicial (principal) lo recuperará aun mas rápido. algunos lectores pensaran que una T 2 VaRT . las ecuaciones (13) y (14) muestran la forma como se calcula la convexidad en periodos y la sensibilidad del precio ante cambios en la tasa de interés respectivamente. La ecuación (12) muestra la forma como se estima la duración modificada de un bono. M N C w 2T individuales individuales Igualmente. nizado Portafolio en que la duración es igual al periodo planeado de permanencia de la es uno VaRT . M N reducción de la tasa de interés es benéfica para el precio del bono por lo que no es neanual 252 T cesario cubrirse en riesgo. acciones y derivados sobre éstas o índices bursátiles.1. (12) Ahora. M N M N diaria diaria 2 2 T T El lector estará pensando que cualquier movimiento 2al alza de las tasas de interés reVaRT M necesario protegerse de dichos movimientos. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 33 . (13) (14) 5. Para inmunizar. ya que éstas son estocásticas. La exposición al riesgo asociado a valores de renta variable se materializa en la posible depreciación experimentada por una cartera de dichos títulos para la entidad tenedora de la misma. las variables.M Nno esanual 2 saber con certeza para donde van Como posible VaRT . Riesgo de Movimientos de Precios de los Activos Refleja la incidencia de movimientos adversos tanto en los precios de activos financieros de renta variable. M N 2 wT C w 2T individuales individuales inversión. VaRT .

Lognormal. La combinación de los anteriores elementos. Sin embargo. La medición del riesgo de mercado se hace generalmente por medio del cálculo del VaR. El nivel de confianza (N): dado que esta medida del VaR es paramétrica. el lector pensará en multiplicar 100 toneladas de un bien por el precio actual de mercado para conocer el monto que está sometido o expuesto a las variaciones adversas del mercado. las innovaciones financieras (instrumentos) son una respuesta a las necesidades del mercado por gestionar el riesgo y hacer de este una unidad de negocio rentable. Por lo anterior. Por lo general. sería necesario calcular el VaR a 1. por ejemplo semanal. pues en épocas de crisis y auges tiende a sobreestimar o subestimar las potenciales perdidas inesperadas de un portafolio. Para el cálculo del VaR. En este sentido. EWMA o GARH permite calcular la volatilidad. Las metodologías. da una medida del VaR. como se muestra en la ecuación (15).28 1. 4 o quizás 8 semanas. 10 o 30 días por ejemplo. si los precios de los activos se movieran con otra periodicidad.64 2.a = M × N × s diaria × 2 T (15) 34 . La Volatilidad de los rendimientos del precio del activo (s): éste es el último de los elementos del VaR. dado que ésta genera tanto riesgos como oportunidades de nuevos negocios y el desarrollo mismo del mercado financiero.1. se obtienen los siguientes factores: Distribución Normal Estándar CONFIANZA 90% 95% 99% 99. cuando se observa la tabla de la distribución normal estándar. es posible contemplar VaR a 1. siempre que la volatilidad sea diaria. el supuesto trascendental en el que descansa el VaR se que los rendimientos de los precios de los activos se distribuyen como una normal estándar. Esta es una medida que funciona solo en condiciones cotidianas del mercado.32 3.2. Por ejemplo.07 • • • La temporalidad (T): el horizonte temporal para la cuantificación del VaR permite estimar las máximas perdidas que puede tener un activo t periodos adelante.5. VaRT . como el precio de los activos en los mercados se mueve diariamente. es necesario tener en cuenta: • El monto expuesto (M): esta cifra es el resultado de multiplicar el número de papeles que se tiene de un activo por el precio actual del mismo.9% FACTOR 1. Metodologías para medir el Riesgo de Mercado Los mercados financieros se caracterizan por su volatilidad.

C es una matriz de correlaciones de los rendimientos de los precios de los activos considerados dentro del portafolio. a razón de la diversificación que se evidencia dentro de un portafolio. Es importante aclarar que el VaR de un portafolio es menor o igual a la suma de los VaR individuales. Sin embargo. Finalmente. se debe dividir la temporalidad (dentro de la raíz cuadrada) entre el número de rendimientos del precio del activo a lo largo de un año. es necesario que la temporalidad sea llevada a frecuencias diarias. el efecto de la diversificación del portafolio se evidencia en los valores negativos de la matriz de correlaciones. 1].Cuando la volatilidad de los rendimientos del precio de un activo es anual. el lector pensará que un inversionista tiene más de un activo o materia prima. La matriz de volatilidades individuales es una matriz de tamaño nxn que contiene las volatilidades de cada uno de los activos en la diagonal.a s s ( ) (17) Donde w es el vector de participaciones de cada una de las materias primas dentro de la inversión total (de tamaño matricial nx1. los mercados bursátiles operan 252 días al año. donde se supone que los rendimientos de los precios de los activos distribuyen como una normal estándar. el cálculo del VaR de un portafolio procede como se especificó anteriormente. y wT hace referencia a dicho vector transpuesto. por lo que compone un portafolio que diversifica su riesgo. VaRT . El único escenario en el cual el VaR del portafolio es igual a la suma de los VaR de activos individuales es cuando la matriz de correlaciones es una matriz identidad. y se quiere calcular el VaR en días. este escenario es poco probable en mercados financieros. por lo que el cálculo del VaR procede como lo señala la ecuación (16). En este sentido. La ecuación (18) permite obtener los rendimientos de los precios de los activos. el cálculo de la volatilidad considera el efecto de la diversificación por medio de la matriz de correlaciones de los rendimientos de los precios de los activos. lo que implica un riesgo equivalente al 100% en la volatilidad de cada activo perteneciente al portafolio. Por lo general. El lector recordará que las correlaciones son números pertenecientes al intervalo [-1. Por lo tanto. Sin embargo. La ecuación (17) permite apreciar la forma como se estima el VaR para un portafolio. Es suficiente con estimar la desviación estándar de los rendimientos de los precios de los activos. y esta se convierte automáticamente una medida de la volatilidad. VaRTPortafolio = M × N × 2 wT × s individuale × C × s individuale × w × 2 T . cuando se tienen n activos dentro del portafolio). Cálculo de la Volatilidad Para calcular la volatilidad (s) de un proceso estocástico es posible emplear la metodología lognormal.a = M × N × s anual × 2 T 252 (16) Ahora. Para ello. mientras que está compuesta de ceros por fuera de la diagonal. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 35 .

la familia de modelos econométricos Autoregresivos de Heterocedasticidad Condicionada y los generalizados. VaRTPortafolio .VaR Portafolio T. La ecuación (20) muestra la forma general de expresión es GARCH (p. 36 . VaRT . pero no han sido detectados debido a las limitaciones técnicas del modelo y propia medida del riesgo. N Manual N anual 252 252 2 wT M N C w individuales individuales 2 T 252 2 T T (18) 2 T 2 VaRTPortafolio Por otroN Mla metodología es individualesindividuales individual2 T w 2 T Averages) M C VaRTPortafoliolado.3. p   q 0 <  ∑a j + ∑ b j  < 1   j =1   j =1 (21) En el siguiente capítulo se hará una aplicación extensa de los modelos GARCH para el cálculo de Volatilidades. . toma las observaciones y le da mayores pesos a las observaciones más recientes. extienden el análisis de las series de tiempo de los tradiciones modelos ARIMA y sus variaciones. de manera exponencial. q) para asegurar la estacionaridad son: w > 0 y β j. M N w C w individuales individuales T T 2 2 M VaRT . Pruebas de Stress Una herramienta complementaria y fundamental para la medición de los riesgos de mercado son los análisis de escenarios de crisis también conocidos como pruebas de stress testing o pruebas de stress. 5. perteneciente al siguiente intervalo 0 < λ < 1. Ésta. El ponderador utilizado por la metodología es λ . s = w + ∑a j y 2 t j =1 q 2 t− j + ∑ b js t2− j j =1 p (20) Una condición necesaria de los modelos GARCH (p. que pueden ser relevantes para la entidad. La ecuación (19) permite hacer un cálculo consistente de la volatilidad. Finalmente. (19) Donde. w N 2individualEWMA (Exponentiallyw es Moving wT C Weighted . y es la varianza de los rendimientos de los precios de los activos. Estos modelos construyen ecuaciones tanto para los rendimientos de los precios de los activos como para la varianza de los mismos. donde p son las varianzas condicionales pasadas y q es el pasado de los errores al cuadrado. pondera las observaciones para el cálculo de la volatilidad.αj ≥ 0 y la expresada en la ecuación (21). q). denota la volatilidad estimada. que permiten recoger todas aquellas situaciones no consideradas por los modelos anteriores.

que es necesario desarrollar e implementar en las entidades vigiladas por ésta. las entidades pueden implementar diferentes modelos internos con políticas acordes con el reglamento establecido por la Superintendencia. Derivados y Swaps. para los casos de los cultivos de ciclo corto. con el fin de minimizar pérdidas relacionadas con cambios adversos en las tasas de interés. ya que al no existir una gestión consistente del riesgo pueden generarse pérdidas que ocasionan no solo iliquidez de los activos.El Stress Testing (ST) tiene como objetivo medir las variaciones en el valor de una cartera en respuesta a alteraciones extremas en los precios de mercado de los instrumentos que la configuran. 5. se hace evidente cuando las entidades se enfrentan a una disyuntiva entre la opción de obtener mayores utilidades o cumplir con las políticas establecidas dentro del marco regulatorio presentado a la Superintendencia. Por otro lado. donde es posible encontrar. obtener rentabilidad. de acuerdo al grado de desarrollo del mercado. Sistema de Administración de Riesgo de Mercado La Superintendencia Financiera establece el Sistema de Administración de Riesgo de Mercado (SARM). Igualmente. Generalmente. El objeto final es que dicho modelo ayude a minimizar las pérdidas esperadas y establecer el monto necesario para cubrir y mitigar el riesgo. 5. Gestión de Riesgos de Mercado Como se menciono anteriormente. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 37 . el tipo de cambio. ya que permiten negociar las materias primas incluso antes de que se realicen las siembras. Como vera el lector en el capítulo 4 más extensamente. que también funcionan para materias primas en varios mercados mundiales como la Bolsa de Chicago por ejemplo.5.4. Este arsenal de instrumentos. los riesgos de mercado generados por movimientos de los precios de los activos son generalmente mitigados en el mercado a plazos. En ningún caso debe interpretarse como límites de las pérdidas máximas que pueda sufrir la cartera. las entidades se sienten atraídas por el fin último de toda inversión. permite reducir la incertidumbre y la volatilidad de los mercados. Este sistema ha permitido a las entidades tener una mejor gestión y confianza en las inversiones y operaciones que realizan que pueden verse afectadas por las adversidades en el mercado. sino que deterioran la confianza y estabilidad en el sector. Se calcula mediante simulación con evaluación completa de escenarios históricos de especial turbulencia o bien ante otros escenarios teóricos propuestos por el área de riesgo de mercado. para mitigar el riesgo de mercado es posible inmunizar portafolios cuando se trata de portafolios que incluyen bonos. pues los movimientos de las tasas de interés son compensados entre sí. pero esto puede resultar contraproducente. los precios y las inversiones realizadas por las entidades. El problema que se presenta con este sistema. Futuros. diferentes instrumentos financieros como Opciones. estos instrumentos son en buena medida una solución al problema de la estacionalidad que se presentan en los mercados de materias primas agrícolas.

(Kozikowsky.5. Pág. se hace referencia a la siguiente característica en los forward: • Un contrato forward es comercializado en el mercado OTC. que se paga al firmar el contrato La prima puede estar definida como un seguro que respalda el cumplimiento del contrato (Kozikowsky. no requieren exigencias en la medida que no hay una institución que evalué las capacidades de las partes. Opciones Una opción es definida según Hull. 2003. precio del ejercicio (K) este hace referencia al precio estipulado en el contrato. el fundamento de todos los instrumentos derivados es el mismo forward. Futures and other derivates” de John Hull. las opciones tienen una diferencia fundamental con los forward. Es decir.5. Clasificación por fecha de ejercicio • Dentro de las opciones de compra y venta o Call y Put respectivamente. aquella que da el derecho a comprar “call option”. Características de las opciones • Las variables de una opción son: Precio al contado del activo subyacente. se ajustan a las necesidades de las contrapartes.2. pero no la obligación. La Prima. 2).1. 2000. 2003) 5. ya que de él se desprenden los demás. este instrumento está definido según Hull como “is a particularly simple derivate. como el derecho de comprar o vender un bien en el futuro (HULL. según las circunstancias del mercado. En ese sentido. (Hull. de forma que el comprador ni el vendedor se encuentran directamente (Kozikowsky. es un contrato escrito en el cual se acuerda la compra o venta de un producto en una fecha futura acordada. 2000) Las opciones transadas en bolsa se liquidan a través de cámaras de compensación. también se encuentra una clasificación en términos de fecha de ejercicio. de comprar o vender una cantidad determinada a una fecha determinada”. El texto de “Option.2000). 157) Este derecho tiene un costo que es conocido como la prima o costo de la opción. ya que estos últimos generan obligación de realizar una transacción mientras que la opción ofrece la posibilidad de no ejercer la posición. los contratos forward no son estandarizados. Por un 38 . Forward Este instrumento es el clásico de los derivados. • Tipos de opciones: • Existen dos tipos básicos de opciones. en otros términos. que se refiere al precio de la opción. Es decir. Pág. it is an agreement to buy or sell an asset at a certain future time for a certain price” (HULL.5. En una definición precisa Kozikowsky sostiene que “es un derecho que confiere al comprador el derecho. Ahora. y aquella que da el derecho a vender “put option”. 2000). con pequeñas variaciones.

Medición y Monitoreo del Riesgo de Liquidez Tal vez la más importante adición en la medición de liquidez. 157). La Ciclicidad de los recursos. pues. cuando en los mercados hay únicamente vendedores y las diferentes fuentes de liquidez a las que puede acudir una institución en época de iliquidez son: • • Acceso a fondos interbancarios: Las entidades financieras efectúan entre sí préstamos y descuentos de operaciones de corto plazo. (Kozikowsky. gestIón global de rIesgo de lIquIdez El riesgo de liquidez por lo general es visto como un componente del riesgo de mercado. Este riesgo se presenta en situaciones de crisis. Operaciones Repo: Es un contrato por medio del cual se adquiere un título valor. proviene de encuestas periódicas (mensuales) que miden las percepciones y puntos de vista de una base amplia de participantes del mercado. estas encuestas Gestión de riesGos financieros en el mercado de materia primas aGrícolas 39 . a una tasa de interés fijada contractualmente. ya que se entiende como la posibilidad de sufrir pérdidas por la dificultad en la financiación necesaria para mantener el volumen de inversión deseado o la imposibilidad de transformar en efectivo un activo o portafolio para responder por los pasivos de la entidad (imposibilidad de vender un activo en el mercado). con la obligación de restituir al vendedor los mismos títulos. Por otro lado están las Opciones Europeas que solo se pueden ejercer en la fecha estipulada en el contrato. Los determinantes del riesgo de liquidez hacen referencia a las circunstancias que inciden directamente en el monto y temporalidad de los flujos de caja. o de otros instrumentos financieros son capaces de transferir o tomar el riesgo para administrarlo. 2000. 6. pagos de impuestos entre otros. que son las más costosas. 6. la carencia de liquidez puede causar el fracaso de una institución. al vencimiento del plazo acordado y por un precio y rédito previamente estipulado. (tanto vendedores como compradores).1. en ese sentido tienen una prima menor en comparación con las opciones americanas. Pág. que representa los periodos establecidos estadísticamente en donde se detecta un incremento o reducción de las captaciones de recursos. Cualquiera de estos.• lado las Opciones Americanas. tales como: La Estacionalidad de los retiros. 2000). u otros de la misma especie y condiciones. que pertenece a los periodos o fechas específicas en los cuales se presentan retiros de altos volúmenes de efectivo como pagos de nómina. se pueden negociar o liquidar en cualquier momento durante la vigencia del contrato. “Para cada fecha de vencimiento existen diferentes precios del ejercicio” (Kozikowsky.

la liquidez es vista como el grado en el cual las transacciones más grandes pueden ser llevadas a cabo en el tiempo con un impacto mínimo en los precios. tiempo y costos de transacción. Amplitud: es la diferencia entre los precios de mercado promedio y aquellos a los cuales ocurren realmente las transacciones. Gestión de Activos y Pasivos (GAP-ALM) Existe una amplia diversidad de métodos que se pueden utilizar para medir el riesgo de liquidez.2. ya que los agentes del mercado pueden llegar a alterar las condiciones de liquidez del mercado.1. que puede ser vista desde los flujos de mercado prevalecientes. permitiendo el estudio de su situación financiera a partir de los siguientes aspectos: 40 . Sin embargo. a su favor. generando indicadores acerca de la profundidad potencial del mercado. El GAP es una herramienta que sirve para monitorear el riesgo y déficit de liquidez a través de la comparación de flujos de caja de las posiciones de activos y pasivos fuera del balance sobre una serie temporal. que representan los precios de mercado reales ante cambios en los mercados financieros. la cual incorpora elementos claves de volumen.1. sino en una escala. donde la posición del GAP de liquidez suele expresarse a través del ratio de desajuste acumulado neto sobre el total de los depósitos. A raíz de este hecho. Es medida mediante el uso de spreads “efectivos”. no es definida o medida como un estándar absoluto. El Comité de Supervisión Bancaria de Basilea emitió una versión revisada sobre la supervisión y los principios que deben definir la gestión de activos y pasivos en entidades financieras. Resistencia: es la velocidad con la cual se disipan las fluctuaciones de los precios resultantes de las transacciones.1. Ratios de Liquidez Los Ratios Financieros.periódicas permiten observar como estas percepciones afectan la liquidez del mercado financiero. teniendo rangos porcentuales establecidos como limites. afirmaba Keynes. • 6. Es medida mediante el uso del promedio de “turn over” (volumen de negocio) como una aproximación para el impacto sobre el mercado. Entonces la liquidez puede ser medida por tres dimensiones que incluyen los siguientes elementos: • • Profundidad: puede ser definida como el volumen de transacciones posibles sin afectar los precios. Mediciones Micro En los mercados financieros. En tal caso. son coeficientes que muestran una relación entre dos variables contables de la empresa. estas encuestas no son 100% confiables. diversas entidades se interesaron por dicha gestión y adquirieron herramientas informáticas que facilitaran los cálculos necesarios para conocer la exposición de la entidad a los riesgos de interés y liquidez. emitiendo falsas opiniones de sus verdaderas expectativas del mercado. 6. pero entre los más utilizados por las instituciones financieras se destaca la gestión de los activos y pasivos.

• • • Liquidez: capacidad de la empresa para hacer frente a las deudas y obligaciones a corto plazo. además. Concentración de depósitos por contraparte. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 41 . Por lo tanto. Ratio a corto plazo: mide la relación entre los activos líquidos y los pasivos a corto plazo: Activos líquidos Ratio a corto plazo = Pasivos a corto plazo 2. Solvencia: capacidad de la empresa para hacer frente a sus obligaciones y deudas en general (tanto a largo como a corto plazo) Rentabilidad: capacidad de la empresa para genera beneficios o ganancias conseguidas por cada peso que se ha utilizado o invertido. Ratio de Activos ilíquidos contra depósitos de clientes: mide el nivel de financiación de los activos no líquidos por parte de los depósitos y cuentas a la vista. una vez considerados las cuentas a la vista y los depósitos de clientes. es proporcionar información sobre la liquidez de las entidades.1. Análisis de costos de las diversas alternativas de financiamientos. 6. Entre los ratios más utilizados se encuentran los siguientes: 1. gestión e identificación del mismo permite a la entidad mantener niveles de estabilidad que garantizan su permanencia en el tiempo asegurando el pago de compromisos a un costo razonable. es un riesgo que potencialmente puede exponer a la Organización a una alta volatilidad y generar la quiebra. Matrices de riesgos y mitigación del riesgo de liquidez La Matriz de riesgo constituye una herramienta de control y de gestión normalmente utilizada para identificar las actividades (procesos y productos) más importantes de una corporación.2. el plan de contingencia debe permitir administrar situaciones de una eventual falta de liquidez como consecuencia de contextos distintos. Así mismo. 6. Disminución de líneas de contrapartes. Problemas de liquidez en el sistema financiero. Administración del Riesgo de Liquidez El manejo de la liquidez es el proceso más importante que llevan a cabo las instituciones financieras al incluir en su administración el resto de los riesgos financieros y operativos que enfrenta una Institución. El objetivo del cálculo de ratios.3. entre los principales están: • • • • • • Pérdida sostenida de depósitos. Ratio de préstamos contra depósitos: compara el nivel de depósitos contra el nivel de préstamos para entender las necesidades adicionales. el tipo y nivel de riesgos inherentes a estas actividades y los factores exógenos y endógenos relacionados con estos riesgos. Concentración de vencimientos excesiva. el seguimiento. 3.

Los bancos deben tener sistemas de información adecuados para medir. Debe asegurarse que la alta gerencia controle el riesgo de liquidez. control y reporte de Riesgo de Liquidez Políticas acerca de límites de exposición y asunción del Riesgo de Liquidez Políticas de mitigación del Riesgo de Liquidez Políticas en materia de planes de contingencia por Riesgo de Liquidez Políticas sobre el manejo de información interna y al público Divulgación de las políticas de la entidad Diseño de los mecanismos para poner en práctica las políticas Procesos de Administración Documentación del Sistema de Administración del Riesgo de Liquidez (SARL) Desarrollo del manual de procedimientos y responsabilidades para la gestión del Riesgo de Liquidez Necesidades de personal y tecnológicas para la gestión del Riesgo de Liquidez Modelo estándar para la medición de Riesgo de Liquidez Requisitos para usos de los modelos internos para medición de Riesgo de Liquidez Diseño de reportes de seguimiento y control de límites Frecuencia y responsables de monitoreo Funciones de los órganos de control interno Fuentes de liquidez permanentes y transitorias Metodologías de Mitigación Costos de mitigación asumibles Mecanismo para atender distintos grados de Riesgo de Liquidez Planes de contingencia y efectividad de los mismos Fuente: Superintendencia Financiera de Colombia Políticas Metodologías de Medición Metodologías de Monitoreo y Control 42 . ELEMENTOS CONTENIDO MÍNIMO Definiciones expresas y clara en relación con el Riesgo de Liquidez Políticas para la evaluación del Riesgo de Liquidez Políticas acerca de funciones y responsabilidades para la administración del Riesgo de Liquidez Políticas acerca del seguimiento. Los bancos deben tener una estructura administrativa para ejecutar en forma efectiva la estrategia de liquidez. controlar e informar el riesgo de liquidez.1.2. Los estándares internacionales del Comité de Supervisión Bancaria de Basilea (BSBC) Los estándares internacionales del Comité de Supervisión Bancaria de Basilea (BSBC). Sistema de Administración de Riesgo de Liquidez. En la tabla 2 se pueden observar los elementos que conforman el sistema de administración de riesgo de liquidez. monitorear. así como la descripción de lo que cada uno de éstos contiene. en el desarrollo de una estructura para la administración de la liquidez señalan que: • • • • Los bancos deben tener una estrategia conjunta para la administración de la liquidez diaria. Tabla 2.6.

La dificultad que se presenta en la implementación de este sistema. en los sistemas. 7. Esto se debe. ya que la liquidez del sector se ve limitada. En este contexto. mientras que la Superintendencia los incorpora definiéndolos como: 1. a que la incertidumbre se torna mayor cuando no se tiene ningún conocimiento o medio eficaz de cobertura que ayude a mitigar o prever las posibles pérdidas generadas por las volatilidades en los precios o por el incumplimiento de las obligaciones al momento de enfrentar las adversidades causadas por colapsos financieros. Por su parte la Superintendencia Financiera de Colombia define al riesgo operacional como “la posibilidad de incurrir en pérdidas por deficiencias. el Comité de Supervisión Bancaria de Basilea. se encuentra ligada a los efectos que pueden generar las crisis financieras. los procesos. la baja frecuencia de negociación hace que las transacciones en el mercado sean menores o en su defecto no puedan realizarse. pues. la Superintendencia obliga a las entidades que vigila a implementar el Sistema de Administración de Riesgo de Liquidez (SARL).2. pues. define el riesgo operacional como “pérdidas derivadas de inadecuación o fallos en los procesos internos. Este Sistema le ha permitido a las entidades establecer el monto adecuado para reducir el riesgo y de esta manera generar estabilidad y confianza tanto para las entidades como para el público y el mercado en general. gestIón global del rIesgo operacIonal El Acuerdo de Capitales emitido por Basilea II oficializa a nivel internacional el riesgo operacional estableciendo las pautas para el uso de metodologías de medición y requerimientos de capital para su cobertura. la infraestructura o por la ocurrencia de acontecimientos externos” (Asobancaria. 2007).6. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 43 . fallas o inadecuaciones. Riesgo Legal es “la posibilidad de pérdida en que incurre una entidad al ser sancionada u obligada a indemnizar daños como resultado del incumplimiento de normas o regulaciones y obligaciones contractuales”. que ha desarrollado para evitar el incumplimiento de pago de las obligaciones en las fechas oportunas y así mismo asumir costos adicionales que no se esperan. Sistema de Administración de Riesgo de Liquidez (SARL) Para el control del riesgo de liquidez. en el recurso humano. al impedir el normal funcionamiento de la economía y generar estancamiento de la misma. existe una discrepancia en la inclusión del riesgo legal y el reputacional. la tecnología. particularmente. se cumple con las obligaciones financieras y al mismo tiempo se evita la falta de recursos líquidos e inestabilidad y desconfianza en el mercado. Con respecto a la concepción que tienen estas entidades sobre riesgo operacional. 2007). dado que el Comité de Basilea excluye dentro de su definición éstos riesgos.2. en la actuación del personal o por eventos externos” (Asobancaria.

publicidad negativa. 7. como otros casos. La adecuada administración del riesgo operacional ha adoptado cada vez más relevancia dentro de las empresas del sector financiero. Evaluar el coste/beneficio de su mitigación. Éste. tecnología.1. Riesgo Reputacional es “la posibilidad de pérdida en que incurre una entidad por desprestigio. según su clasificación. (Asobancaria. 2007). pueden ser internos o externos. ha hecho que los integrantes del sistema financiero busquen la manera de cubrirse de éste tipo de situaciones mediante el control sobre las operaciones de sus compañías. Factores y Categorías de los Riesgos Operacionales Los factores de riesgo operacional. que en muchos casos hizo inevitable el cerramiento de estas por la eventual bancarrota. cierta o no. Estos. pues el no control de éste ha llevado a diversas compañías financieras internacionales a enfrentarse a grandes problemas por pérdidas originadas por inadecuados manejos y ausencia de supervisión sobre las actividades de los funcionarios de éstas instituciones. respecto de la institución y sus prácticas de negocio que cause pérdida de clientes. se hace necesario la implementación de metodologías que permitan la medición del riesgo operacional que contemplen los factores que inciden en las actividades de las diferentes líneas de negocios que manejan las distintas entidades financieras. eventos de pérdida. procesos. Formular de medidas para monitoreo.2. Tal es el caso del Allied Irish Bank’s que perdió 691 millones en el año 2002. mala imagen. infraestructura. Clasificar y conocer de los riesgos. Externos: Son situaciones asociadas a la fuerza de la naturaleza u ocasionadas por terceros. Así. en los que estén implicados funcionarios de la entidad. La inclusión de la gestión de riesgo operacional dentro de las empresas permite: • • • • • Identificar las pérdidas contables y no contables de la empresa. como responsabilidad de uno de sus funcionarios que oculto las pérdidas acumuladas de tres años sobre la tasa de cambio Yen/Dólar a su subsidiaria en los Estados Unidos. 44 . consta de siete categorías de eventos. haciendo posible que las compañías diseñen estrategias para mitigar el efecto de éste riesgo adaptándolo a su perfil. como se indica a continuación: • • internos: Recurso Humano. Analizar los indicadores de riesgo y de rendimiento. considerados como las principales causas de las pérdidas operacionales en las entidades financieras: 1. Fraude Interno: actos intencionados que buscan defraudar o apropiarse de activos de la entidad o incumplir normas o leyes. disminución de ingresos o procesos judiciales”. tales como pérdidas. El riesgo operativo. o la venta a empresas que las absorbieran y pudiesen responder por sus deudas. afectando drásticamente la reputación del Banco. que no pueden ser previstos ni controlados por la entidad. son aquellos que pueden o no generar pérdidas para las entidades.

originados por desastres naturales u otros sucesos.2.2. Medición del Riesgo Operacional La cuantificación permite tener más objetividad en la gestión del riesgo. Fraude Externo: actos realizados por una persona externa a la entidad. 5. 7. 4. con los acuerdos internos de trabajo y con la legislación en general. Ejecución y administración de procesos: hacen referencia a las fallas en el procesamiento de las transacciones o en la gestión de los procesos. logrando mayor eficacia en la asignación de recursos para minimizar el impacto de las pérdidas operativas. Daños a activos físicos: hacen referencia a pérdidas o daños en activos físicos de la entidad. Fallas tecnológicas: obedecen a todas las interrupciones que se producen en el negocio por motivos tecnológicos y fallas en los sistemas. 3. 6. que buscan defraudar o apropiarse de activos de la misma o incumplir normas o leyes. 7. En el esquema 4 se puede observar un cuadro conceptual que permite identificar la interacción de los componentes que conforman el riesgo operacional. Metodologías para la cuantificación Basilea II establece un marco de referencia para la gestión integral de los riesgos que es adoptado por los supervisores y entidades como una guía de mejor práctica. Fuente: Ernst & Young Esquema 4. Éste presenta tres métodos para el cálculo de los requerimientos de capital asociados al riesgo operacional: Gestión de riesGos financieros en el mercado de materia primas aGrícolas 45 . Riesgo Operacional. Relaciones laborales: actos que son incompatibles con la legislación laboral. Clientes: fallas negligentes o involuntarias de las obligaciones frente a los clientes y que impiden satisfacer una obligación profesional frente a éstos.

Métodos de Medición Avanzada (AMA) En los AMA el requerimiento de capital es determinado en función de la estimación de modelos estadísticos de medición interna del riesgo operacional al que está expuesta la entidad. Factores de requerimiento de capital por actividad financiera. 2. donde el requerimiento de capital para cubrir el riesgo se obtiene multiplicando el ingreso bruto anual por un factor (valor) sugerido por el Comité de Basilea. se debe tener en cuenta la división de las actividades que realizan las entidades financieras (líneas de negocio). Cabe destacar que los ingresos brutos negativos de cualquier línea de negocio pueden ser compensados por los ingresos brutos positivos de las otras líneas de negocio. Tabla 3. pues. Método del Indicador Básico De acuerdo a los parámetros establecidos por el Comité de Basilea. Los porcentajes por línea negocio se pueden observar en la siguiente tabla. 3. debido a que la cuantificación de los montos de capital requeridos es producto de la relación de los ingresos brutos y el coeficiente de exigencia de capital. es decir. Método Estándar Para la implementación de este método. en la utilización del método del indicador básico el requerimiento de capital es equivalente a un porcentaje del 15% del promedio de los tres últimos años de ingreso bruto anual positivo que haya obtenido la entidad. LÍNEAS DE NEGOCIO Finanzas Corporativas Negociación y Ventas Banca Minorista Banca Comercial Pagos y Liquidación Servicios de Agencia Administración de Activos Intermediación Minorista Fuente: Construcción propia FACTOR 18% 18% 12% 15% 18% 15% 12% 12% Los métodos de indicador básico y estándar. no son considerablemente sensibles al riesgo.1. la posibilidad de implementar modelos internos está sujeta a la aprobación del supervisor y el cumplimiento de los requerimientos cualitativos pertinentes. posibilitando así el arbitraje regulatorio. 46 . Estos métodos son criticados. las entidades son sancionadas por tener ingresos brutos elevados y porque el requerimiento de capital podría depender de las prácticas contables de cada país. se excluyen los años en que el ingreso anual haya sido negativo o igual a cero. Según Basilea II.

Apropiada parametrización de las distribuciones seleccionadas. 2. Las pérdidas operativas pueden dividirse en dos componentes: 1. la que se obtiene de la acumulación de distribuciones de pérdidas para cada línea de negocio. es uno de los más utilizados en la cuantificación del riesgo operacional y tiene como objetivo la obtención de la función de distribución agregada de pérdidas operacionales. Proceso de Estimación de Distribución de Pérdidas Operacionales. Fuente: Price Water House Coopers EsquEma 5. que representa todos los posibles valores de pérdida por evento y su probabilidad. La intensidad. Para efectos del cálculo. que representa todas las cantidades posibles de eventos con su respectiva probabilidad. El esquema 5 permite observar la esquematización del proceso de estimación de la distribución de pérdidas operacionales. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 47 . 2. tipo de riesgo o combinación de ambas. Para que la metodología resulte eficiente. La frecuencia.9% de las pérdidas en un año. Métodos de medición avanzada: Enfoque de Distribución de Perdidas El método de Enfoque de Distribución de Pérdidas (LDA por sus siglas en inglés -Loss Distribution Approach-). con la estimación obtenida de la distribución de pérdidas. Adecuada selección de las distribuciones de frecuencia e intensidad. una vez ocurrido el evento. tanto la distribución de frecuencia como la de intensidad deben ser estimadas en función de las pérdidas operacionales observadas por la entidad y registradas en su base de pérdidas operacionales históricas.La metodología para determinar el requerimiento de capital por riesgo operacional mediante los AMA es semejante al cálculo del VAR. Así. se deben tener dos condiciones importantes: 1. el requerimiento de capital establecido por Basilea es el que acumula el 99.

3. que se obtiene del siguiente proceso: • • • Simular la cantidad de eventos de pérdidas operacionales para el plazo de tiempo determinado. Sistemas de Gestión del Riesgo Operacional Con el surgimiento de la necesidad de implementar un marco que administre el riesgo operacional y permita contrarrestar los efectos negativos que pueden afectar la estructura empresarial. Frecuencia de eventos Con el fin de determinar la frecuencia de eventos con un plazo definido. Simulación de Montecarlo Con el objeto de generar la distribución de pérdidas se puede utilizar el método de simulación de Montecarlo. Base de datos Es el paso fundamental en la construcción o desarrollo del modelo de cuantificación del riesgo operacional y permitirá el traspaso de un enfoque cualitativo a un enfoque integral (cualitativo-cuantitativo). De esta manera. el proceso estima la distribución de pérdidas utilizando un número suficiente de escenarios hipotéticos. Paso 4. Intensidad de eventos Para lograr determinar la intensidad de los eventos. la comprensión del impacto del riesgo. En la práctica.Paso 1. 7. Pareto y distribuciones de cola larga. es la suma de los montos de pérdida de cada uno de los eventos que se simularon en el punto anterior. Para lograr una efectiva aplicación de la primera forma de gestión. para evitar subestimar ésta por falta de información. se puede realizar de dos formas: cualitativa y cuantitativa. el poder asignar el capital según el riesgo asumido e información que logre mejorar las decisiones sobre la mitigación del riesgo operacional. se deben tener en cuenta tres aspectos fundamentales: 48 . La pérdida total para el plazo. es necesario estudiar la base de pérdidas operacionales para ajustar la distribución paramétrica que mejor se adecue a los datos observados en los montos de pérdidas. La Gestión del riesgo. Paso 3. se utiliza una distribución de conteo que especifica la probabilidad de un determinado número de eventos para dicho plazo a partir de las pérdidas registradas por la entidad. Para cada evento de pérdida se debe hacer una simulación del monto de pérdida asociado. generalmente se utilizan distribuciones como Log normal. Paso 2. se hace necesario uno o varios métodos para gestionar el riesgo operacional. generados aleatoriamente a partir de las estimaciones de las distribuciones de intensidad y frecuencia.

el eje de las abscisas (X) muestra el impacto de un evento de riesgo y el eje de las ordenadas (Y) muestra la probabilidad de ocurrencia del evento. En el esquema. se presentan dificultades en su realización. los instrumentos que se deben implementar son mapas de procesos y riesgos. Cabe destacar. bases de datos y sobre todo auto-evaluaciones. esta será que genere mecanismos que procuren una efectiva administración del riesgo. mientras que escenarios de “Riesgo Extremo” se presentan cuando la magnitud del evento o su probabilidad de ocurrencia son altas. puesto que éstos les permiten lograr una mejor cuantificación del riesgo. Mapa de Gestión de Riesgo Operacional.1. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 49 . es el modelo actuarial. Identificación del riesgo: en el cual se elabora un mapa de procesos que permita detectar los riesgos y controles existentes. que tiene por objetivo estimar las pérdidas obtenidas basándose en datos históricos. Herramientas de gestión: dentro de la gestión. por lo que se requiere que cada entidad establezca su perfil de riesgo y así lograr que la cuantificación y mitigación sea más eficiente. determinando el impacto y la frecuencia con que éste se presenta. pues. Por otro lado. Fuente: SERFINCO S. EsquEma 6. Modelo organizativo: donde se contempla la creación de una unidad independiente. la segunda forma de gestión. así como su valoración en términos de impacto y frecuencia de las pérdidas. El esquema 6 permite apreciar un ejemplo de este tipo de matrices. alertas. que los métodos utilizados para realizar esta gestión son muy generales. pues muchas empresas son reacias a compartir o divulgar esta información o en su defecto muchas de ellas no llevan registros históricos acerca de este riesgo. la forma cuantitativa.A. Sin embargo. Los escenarios de baja probabilidad de ocurrencia de evento y bajo impacto se denominan escenarios de “Riesgo Bajo”. indicadores de riesgo. 3. 2. debe tener en cuenta que la existencia de datos externos es fundamental para las entidades. Uno de los métodos más utilizados para la gestión de riesgo operacional. responsable de la gestión del riesgo.

pueden adherirse a la utilización de la Norma Técnica Colombiana 5254 (NTC-5254). Uno de los modelos más efectivos de mitigación de riesgo operacional.Así mismo. que a su vez permitirá a éstas: • • • • • • Control de costos Minimizar pérdidas Maximización de oportunidades Gestión más flexible Nuevas habilidades de gestión Aumento de responsabilidad 7. 50 . que les permitan cubrir parte de las pérdidas que se puedan presentar. la cual contempla la manera como se debe adoptar un sistema de administración de riesgos. que el requerimiento de capital para cubrir el riesgo. y la implementación de nuevas políticas de seguros. DESCRIPCIÓN Revisión de los procesos de un negocio por parte de un departamento de auditoría externa Cada unidad de negocio identifica la naturaleza y el tamaño de Riesgo Operativo Medidas sencillas que identifican si los Riesgo Operacionales están cambiando con el tiempo Riesgo generado por las fluctuaciones de los negocios y los riesgos macroeconómicos Describe como las causas y efectos de los sucesos están ligados a través de probabilidades condicionales Combina la distribución de frecuencia de las perdidas con la severidad de la distribución por la ocurrencia de un riesgo operacional Igualmente para que las entidades obtengan una efectiva administración del riesgo. Herramientas Utilizadas para la Gestión del Riesgo Operativo.4. Cabe destacar. existen algunas herramientas que son utilizadas para gestionar el riesgo operativo y están clasificadas en seis categorías. para lo que existen diferentes modelos que contribuyen a que éstas entidades gestionen y administren de manera eficiente los diferentes riesgos operacionales. tal y como se observa en la tabla 4. Mitigación de Riesgo Operacional Para la mitigación del riesgo operacional. que permiten hacer una previsión de los diferentes contextos en que se desempeña la entidad. así como la exactitud de su estimación estará en función de los supuestos e hipótesis incluidos. Tabla 4. estará influenciado por el método empleado y por su parametrización. es importante que las entidades creen bases de datos internas que contengan información de las pérdidas y de su asignación. HERRAMIENTAS Auditoría de Supervisión Evaluación Auto-crítica Indicadores Claves de Riesgo Volatilidad del Ingreso Modelos Actuariales Causas en Red Fuente: Construcción propia. son los AMA.

de acuerdo a la efectividad e implementación. Para esto. esto permitirá que se detecten e identifiquen todos los riesgos y causas que puedan generar pérdidas futuras en la entidad. Basilea II contempla que para la aplicación de metodologías de medición de riesgo operacional es necesario contar con buenas prácticas de gestión y supervisión. que facilitará a las entidades la evaluación de políticas y prácticas orientadas a gestionar este tipo de riesgos. Matriz de Evaluación de Controles para Mitigar Riesgo Operacional. Dentro de dicha publicación. una sólida cultura de gestión de riesgo operativo. pues. se establece que para lograr una adecuada administración de riesgo operativo. que deben ser evaluados en relación a su efectividad y su implementación. control interno y herramientas eficaces para la divulgación interna de información y planes de contingencia. que se verá principalmente reflejado en ahorros de capital y optimización de sus políticas de seguros. lo cual contribuirá a la oportuna formulación de planes de acción que minimicen el impacto de estos riesgos. en el cual estipula principios que sirven de marco de referencia para lograr una efectiva administración del riesgo operativo. y que a su vez. ha emitido un documento llamado “Sound Practices for the Management and Supervision of Operational Risk”. le permitirá obtener importantes beneficios a las entidades. como se muestra en el esquema 7. es necesaria la integración de la gestión cualitativa y cuantitativa. las entidades deben tener en cuenta factores como el tamaño. Fuente: FEN EsquEma 7. Igualmente la mitigación de los riesgos operacionales se realiza a través de controles. la naturaleza y complejidad de sus actividades. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 51 .La implementación de estos modelos de medición avanzada del riesgo operacional. las entidades logren una reducción de costos en sus líneas de negocio y en los requerimientos de capital. En este contexto. Posteriormente se debe construir la matriz de evaluación de controles en la cual se identifique el estado de cada uno de los riesgos. así como diversos elementos que están relacionados con estrategias bien definidas. para que exista una efectiva mitigación del riesgo. Así mismo. para ello se requiere la construcción de una escala de calificación que permita realizar dicha evaluación.

La información obtenida puede ser cualitativa o cuantitativa en caso de emplear datos históricos. es obligación de éstas tomar medidas correctivas que les permitan minimizar la probabilidad de que eventos adversos ocurran y que su impacto genere pérdidas significativas. De acuerdo con la Superintendencia Financiera de Colombia el SARO contempla un conjunto de políticas. Medición. medición: La implementación del SARO. Control: Las entidades podrán decidir si aceptan. 3. la pérdida y el impacto de éste en caso de materializarse. así como asegurar la continuidad del negocio. procedimientos. En esta etapa. 7. En esta etapa. el control que se ejerza permitirá a la empresa orientar la gestión de riesgo a la implementación de metodologías que permitan minimizar el impacto de éste o transferirlo. Por lo anterior. teniendo en cuenta los factores que la afectan según el área de negocio. Sistema de Administración de Riesgo Operativo (SARO) En Colombia la Superintendencia Financiera es quien supervisa que las entidades que vigila establezcan un sistema que les permita administrar de una manera efectiva el riesgo operacional. documentos. permite calcular la probabilidad de que un evento ocurra. permitiéndoles dimensionar la magnitud de su exposición.Por lo tanto. 2. que son de obligatorio cumplimiento para las entidades que están sometidas a su inspección y vigilancia. 4. transfieren o evitan el riesgo si es posible. órganos de control. Sin embargo. Mediante la circular externa del 2006 se establecen reglas relativas a la administración del Riesgo Operativo. las entidades deben establecer medidas que permitan tener un control efectivo de los riesgos. estructura organizacional. registro de eventos de riesgo. Es importante que las entidades establezcan su perfil de riesgo y a su vez tengan en cuenta que la metodología implementada para esta etapa sea susceptible a aplicación individual o consolidada según los factores de riesgo. con el fin de establecer metodologías de identificación del riesgo aplicadas a cada proceso. plataforma tecnológica y divulgación de información y capacitación. es importante que las entidades financieras adopten un Sistema de Administración para éste riesgo que le permita tener un control sobre el mismo. monitoreo: Las entidades deben realizar periódicamente un seguimiento de los perfiles de riesgo potenciales presentados y las pérdidas a las que estuvieron expuestas. mediante los cuales las entidades vigiladas pueden realizar una efectiva administración del riesgo. las etapas de la Administración del riesgo operacional son cuatro: Identificación. las entidades deben documentar todos los procesos que realizan. en la medida en que todas las entidades vigiladas por la Superintendencia establecen y presentan dentro de su filosofía una serie de medidas que ayudan a contrarrestar las fallas presentadas en el contexto opera- 52 .5. Identificación: Las entidades deben identificar los posibles riesgos que puedan presentarse en el ejercicio de sus actividades. Control y Monitoreo. Para ello. con el fin de facilitar una rápida detección y corrección de las falencias de su sistema. 1. Este sistema puede resultar insuficiente. establecer indicadores que permitan identificar las principales fuentes de riesgo operacional y asegurar que los controles y programas implementados sean eficaces y funcionen de manera oportuna.

El núcleo del problema está en que estas medidas son tomadas como una obligación de seguridad y no como un factor relevante para el adecuado funcionamiento de la gestión del riesgo. (cbot(fecha de visita: 15 de Septiembre 2008. Capítulos 4 y 9.co/Normativa/Normasy Reglamentaciones/cir100. “Conceptos y experiencias en riesgo operacional”. de http://www. “Mitigación del riesgo operacional”.prmia.bis.) Superintendencia Financiera de Colombia”. BUENO. CEA. Primera edición. de www. ESPINOZA.asobancaria. Recuperado. gov. Bolsa Mexicana de valores. Alejandro Ernst & Yong México.com/informes/CULTURA%20DE%20RIESGO/ saro_web. Recuperado. disponible en http://www. FEN (Noviembre de 2007). Recuperado el 14 de mayo de 2009.m) “Circular básica contable y financiera (Circular Externa 100 de 1995. “manual de riesgo operativo”. Ed. 3:45. de http://www. Sistema de administración de riesgo operativo”.com/ blog/uploads/2-PresentacinLibardoBueno-ERNSTYOUNG. “matrices de transición y cadenas de markov” edición. Zbigniew (2000) “Finanzas Internacionales”. “La gestión del riesgo operacional en Colombia: un tema de gran importancia en el sector financiero”.m) “Comités de supervisión bancaria de Basilea” Suiza. “La cuantificación del riesgo operacional (más que un requerimiento del supervisor una necesidad para ser eficientes)”.a. México.pdf.superfinanciera. DIOSDADO.org/stability.com/ upload/docs/docPub2971_2. biblioGrafía “Asesorías e inversiones s. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 53 . KOZIKOWSKI. J.htm). Recuperado el 14 de mayo de 2009. disponible en http//www.m) “Circulares de Basilea disponible en http://www.pdf.asesoriaseinversiones.co JORION.org/stability. su aplicación no es permanente y su exposición se hace mayor al no cumplir con los requerimientos establecidos dentro del marco regulatorio expuesto ante la autoridad supervisora.htm).risklab.es/es/jornadas/2002/BearingPoint_Mitigacion_Riesgo_Operacional.pdf. J. 5:30p. 12 de mayo de 2009. de http://www. Nº20.htm). (2007). McGrawHill.fen. valor en riesgo”. Recuperado el 9 de mayo de 2009. haciendo estas medidas insuficientes.comunidadcoomeva. 2:14p. bis. D&A CONSULTORES (Octubre de 2005).pdf. Recuperado el 11 de mayo de 2009. de http:// www. de http://auditor2006.pdf. pues. 2007 “administración de riesgo financiero. 12 de mayo de 2009. Juan (2007). (cbot(fecha de visita: 03 de Octubre 2008.tivo y así mismo realizan convenios con diferentes instituciones cuyo objeto social es asegurar todo tipo de riesgo generado por los agentes que actúan internamente en la misma. (Noviembre de 2002). Philippe (2007) “El nuevo paradigma para el control de riesgo con derivados.org/Chapter_Pages/Venezuela/presentaciones%20 de%20eventos/sro-int-prmia(1). (cbot(fecha de visita: 03 de Octubre 2008. Presentación riesgo y oportunidad. riesgo de crédito”. ASOBANCARIA (Marzo de 2006).

KPMG (KPMG’s Basel Iniative). (Abril de 2004). “Basilea II: una mirada más cercana - Administración del Riesgo Operacional” (Boletin Financiero). Recuperado el 14 de mayo de 2009. PRICEWATERHOUSECOOPERS (2007). “riesgo operacional”. Recuperado el 14 de mayo de 2009, de http://www.pwc.com/ar/spa/pdf/ CEO_RiesgoOperacional02.pdf. VILARIÑO, Ángel (2001). “Turbulencias financieras y riesgos de mercado”. Ed. Prentice Hall. España.

54

gestIón de rIesgos en el mercado
de las materIas prImas agrÍcolas

capÍtulo 2.

Risk management in the commodities market

John Jairo Roa Prieto Guillermo Valbuena Calderón

RESUMEN

L

os precios de las materias primas están determinados por factores de oferta y demanda, por ejemplo, las preferencias de los consumidores, las condiciones climáticas, conflictos políticos, entre otros. Una característica de las materias primas es la presencia de alta volatilidad en los rendimientos de los precios, generando incertidumbre a los agentes participantes en el mercado. Es importante pronosticar la volatilidad de los rendimientos de los precios de las materias primas, permitiendo una medida más consistente de la pérdida máxima de un portafolio en condiciones normales del mercado.

Gestión de riesGos financieros en el mercado de materia primas aGrícolas

55

ABSTRACT
The prices of commodities are determined by supply and demand factors. For instance, the preferences of consumers, the weather conditions, political conflicts, among others. One of the features of commodities is high volatility in the prices returns, which raises uncertainty among the agents participating in the market. It is important to forecast the volatility of the price returns of commodities in order to have a more consistent measure of maximum loss on a portfolio under normal market conditions. PALABRAS CLAVE: Decisiones de inversión en materias primas, Pronóstico de la volatilidad, Riesgo. KEY WORDS: Investment decisions in commodities, Forecasting volatility, Risk CLASIFICACIÓN JEL: G11, G17, G32.

56

Es decir. sino que también se ve influenciado por las expectativas que tengan los agentes del comportamiento futuro de los factores que afectarán la variable en un momento del tiempo. y. por el lado de la demanda se encuentran las preferencias del consumo por un determinado bien y. Finalmente. Dicha herramienta de cuantificación VaR funciona en condiciones estables del mercado. ya sean variables macroeconómicas y/o precios de otras materias primas. que se dividen en expectativas adaptativas y expectativas racionales. la medición de Valores en Riesgo (VaR) es una herramienta fundamental para el cálculo de máximas perdidas de una inversión en una materia prima agrícola o un portafolio de las mismas. la presente investigación mostrará que sí el pronóstico de las volatilidades del rendimiento de los precios de las materias primas agrícolas utiliza modelos que incluyen únicamente información histórica de la propia variable u otras variables exógenas. en un periodo de tiempo y con un nivel de confianza determinado a priori. IntroduccIón Este capítulo tiene como objetivo pronosticar las volatilidades de los rendimientos de los precios diarios de algunas materias primas agrícolas. lo que permitirá formar expectativas sobre el valor futuro de una variable. Entonces. como está sucediendo desde mediados de los años ochenta en China e India. para un cálculo consistente del pronóstico de la volatilidad se debe incluir en los modelos información que incorpore expectativas racionales sobre el comportamiento futuro del precio de un bien específico o una variable macroeconómica. de valores futuros t+1 de variables exógenas. Por otro lado. por el lado de la oferta están las condiciones climáticas. La dinámica en el precio de las materias primas esta determinada principalmente por movimientos de oferta y demanda. En los mercados financieros. variables exógenas. se obtendrá un pronóstico de la volatilidad más alto que si el pronóstico de dichas volatilidades utiliza modelos donde se incluye información sobre el comportamiento futuro de las variables exógenas que afectan la volatilidad. identificar el efecto que podrían ejercer las expectativas que se forman en el periodo t. la variación del ingreso de los consumidores.1. Lo anterior hace referencia a las expectativas en la teoría económica. Por lo anterior. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 57 . a través de metodologías que permiten cuantificar el comportamiento de la desviación estándar de los precios de estos activos. sobre la volatilidad actual (t) de los rendimientos de los precios de las materias primas y por tanto de los valores en riesgo VaR de los portafolios de materias primas agrícolas. El precio de una materia prima agrícola no solo está determinado por el comportamiento histórico del precio de los factores. entre otros. mientras que las expectativas racionales parten del supuesto de que las variables económicas no siguen siempre un comportamiento aleatorio sino un patrón de conducta. bajo o elevado suministro del producto debido a un déficit o un superávit de la materia prima. Las expectativas adaptativas parten del supuesto de que el presente y futuro de una variable está determinado por el comportamiento histórico de la misma variable o de otras variables. conflictos políticos o militares. en periodos de crisis o auges del mercado puede llegar a subestimar o sobreestimar las pérdidas de las inversiones que tengan los agentes del mercado. pretende determinar cuál es el efecto de incorporar en el cálculo de la volatilidad.

al. ya que los precios de esta clase de activos son altamente volátiles creando incertidumbre a los productores.…. 1 2 58 Por ejemplo. aluminio. Algunas metodologías para pronosticar la volatilidad de los rendimientos de los precios de los activos son: a) La distribución lognormal. fondos de coberturas e inversionistas institucionales. c) Los métodos Econométricos de modelación de heterocedasticidad (Familia de modelos GARCH univariados o multivariados). entre otros.1 Precio de las Materias Primas y la Política Económica El comportamiento de los precios de la materias primas puede estar explicado por “la dinámica económica. comportamiento de la política monetaria y la debilidad o fortaleza del dólar”. fundamentacIón teórIca 2. Las itálicas son propias). Fabozzi. por lo que son vulnerables a las volatilidades de los precios internacionales de los productos. 4. China produce trigo. consumidores. Tailandia produce caucho natural. . negociadores. Son activos heterogéneos (por uso y procedencia). Füss y Kaiser (2008) dan una clasificación de las materias primas. gobiernos. 2. Brasil produce café. b) El Método EWMA (Exponentially Weighted Moving Average) desarrollado por JPMorgan. Costa de Marfil produce cacao. gremios económicos. y. (2008. por lo que las volatilidades de los rendimientos de los precios pueden llevar a grandes pérdidas o ganancias en un periodo de tiempo. etc. El oro podría ser la excepción ya que es un commodity que no se consume sino que se invierte. Arango et. Indonesia produce aceite crudo de palma. afectando los ingresos recibidos por exportaciones. instituciones financieras. y al final compara las potenciales perdidas de una inversión (comparación de VaR) con volatilidades pronosticadas por modelos que incorporan expectativas racionales y expectativas adaptativas. entre otros. La presente investigación se centrará principalmente en la aplicación de diversas metodologías para el cálculo de las volatilidades de los rendimientos de los precios de algunas materias primas agrícolas. Su utilización en la manufactura y el consumo industrial. pág. Numerosos países en desarrollo son grandes productores1 y exportadores de materias primas. arroz. algodón.Por lo anterior. la presión geopolítica. la medición de las volatilidades es una herramienta útil en la gestión de riesgos en el mercado de las materias primas agrícolas. Las materias primas son activos que se caracterizan por: • • • • Contar con una oferta limitada. los países de la OPEP producen petróleo. como se muestra en el cuadro1. intervención de los especuladores. Ser principalmente activos de consumo y no ser activos de inversión2.

mientras las materias primas generalmente son insumos para la producción y algunas se transan en bolsa. bonos y acciones. En concordancia con Anson (2008). Un efecto indirecto de las variables macroeconómicas sobre los precios de las materias primas se da a través de las expectativas sobre la oferta y la demanda agregada. Gilbert (2003) señala que una característica de los precios de los commodities3 es la volatilidad que se presenta porque las elasticidades de la producción y el consumo son bajas. dentro del grupo de bebidas y granos aumenta la demanda como resultado del incremento en el ingreso. en la formación de precios dado que éstos se forman en el mercado global. En este sentido Gilbert (2003) permite concluir que: • • Los choques de demanda afectan principalmente los precios de las materias primas industriales ya que la oferta es relativamente inelástica. y. por ejemplo. Un incremento en la tasa de producción industrial aumenta la demanda por materias primas industriales ya que son insumos para la producción44. las materias primas difieren de otros activos. Al respecto Pindyck y Rotemberg (1990). Los choques de oferta afectan principalmente los precios de las materias primas agrícolas ya que la demanda de dichos commodities es relativamente inelástica. De acuerdo con Anson (2008). Clasificación de las materias primas. concluyen que: • • • Un aumento en la tasa de interés actual disminuye la demanda futura por materias primas y eleva los costos de transporte.Cuadro 1. Este es un efecto directo de una variable macroeconómica sobre el precio de las materias primas. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 59 . mientras que los precios de los activos de renta fija y renta variable se forman en el mercado regional. El comportamiento de los precios de las materias primas puede estar afectado por factores macroeconómicos de oferta y demanda. 3 4 Un commodity generalmente es un bien de inversión y se transa en bolsa. que a su vez incrementa la demanda por materias primas.

explicado por el alto costo de oportunidad de los inversionistas de tener materias primas. Desincentivo de las empresas o firmas a tener inventarios. . Por su parte Krichene (2008). etc. período t+1. utilizando un modelo similar al overshooting de Dornbusch. para determinar el impacto de la política monetaria en los índices de algunas materias primas5 Krichene (2008).” “Tercero.Por su parte Frankel (2006) observó la relación entre los precios de los commodities y los factores macroeconómicos. por lo tanto. Un factor importante que determina el comportamiento del precio de los commodities es la dinámica de la política económica medida a través de variables macroeconómicas como las variaciones del índice de precios al consumidor (IPC). las ganancias en productividad pueden reducir el efecto de los altos precios de las materias primas. “Segundo. más que en el futuro. a través de un vector autorregresivo (VAR) evalúa dicho efecto. realiza ejercicios de elasticidades entre índices de precios de commodities y el índice de precios al consumidor (IPC) de los Estados Unidos entre los períodos 1973 a 1980 y 2003 a 2007.” Adicionalmente. período t. las materias primas pueden presentar un componente muy pequeño en la cesta de bienes de consumo. en situaciones inflacionarias aumenta la demanda por materias primas ya que el valor nominal de los otros activos se deteriora al aumentar la inflación esperada. y concluyó que en un escenario de altas tasas de interés reales se presenta una disminución en la demanda por commodities o un aumento en la oferta. y concluyó que las elasticidades de los índices de precios de commodities respecto al IPC disminuyeron. fueron: • • • “Primero. La formación de preferencias por parte de los especuladores al sustituir contratos o inversiones en commodities por inversiones en activos de ingresos fijos. Algunos factores que explicaron los resultados del ejercicio. Por consiguiente. compensa el impacto de los altos precios de las materias primas. Otra relación entre el precio de los commodities y factores macroeconómicos lo observaron Adams. Lo anterior se explica por: • • • Un mayor incentivo de realizar extracciones en el presente. generando una caída en su precio. comporta- 60 5 Índices del precio del oro. a partir de la tasa de cambio y la tasa de interés. Füss y Kaiser (2008) a través del IPC. Precisaron que las materias primas son una cobertura de riesgos contra incrementos en el nivel de precios. de los commodities diferentes a los combustibles. 12). Krichene (2008. por ejemplo. la ganancia en productividad también puede disminuir el precio de los productos manufacturados y. un aumento en los precios es ponderado por un menor coeficiente y tiene por lo tanto un menor efecto sobre el IPC”. del petróleo. bonos del gobierno. pág. entonces. Analizó los efectos de la política monetaria en términos de una descomposición de varianza y concluyó que la política monetaria explica en gran medida las variaciones de precio de las materias primas. como el petróleo y otras materias primas son insumos dentro de los procesos de producción.

2. intermediarios y gobierno. inversiones o ingresos provenientes de los commodities6. etc. de la tasa de interés. como es el caso de Colombia. las decisiones que tomen los individuos sobre el consumo y el ahorro. afecta las decisiones fiscales y los niveles de inversión y decisiones de portafolio. Como se menciono anteriormente. La expresión de la formación de las expectativas es: Pet +1 — Pet = (1— λ) (Pt— Pet) (1) En la ecuación anterior λ se encuentra entre 0 y 1. Deaton y Laroque (1992). con el objetivo de maximizar ingresos. Adicionalmente. con el cual observó la estabilidad de las hiperinflaciones. y están interesados en que las volatilidades sean mínimas en situaciones en los cuales es necesario hacer efectivas las pólizas o seguros y que la probabilidad de hacer efectiva la póliza sea mínima. Arango et. 6 Las firmas aseguradoras que ofrecen coberturas de seguros para el sector agrícola están interesadas en que las volatilidades sean máximas en épocas en las cuales los agentes del mercado demanda las coberturas.que participan en este mercado diseñar estrategias de mitigación de riesgos con el objetivo de minimizar las perdidas esperadas que pueden sufrir sus portafolios. 2. por ejemplo. especuladores. intermediarios.2 Teoría de la Formación de Expectativas Adaptativas y Racionales 2.al.miento de la tasa de cambio. Los países que son productores y a la vez exportadores de commodities. etc. (2008).. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 61 . Un ejemplo de las expectativas adaptativas es el modelo de hiperinflaciones desarrollado por Cagan. una característica de los precios de los commodities es la volatilidad. Dicha variabilidad en los precios afecta las decisiones de política microeconómica y macroeconómica. donde sus ingresos derivados del mercado de commodities dependen de las variaciones de los precios internacionales de los commodities y de las medidas de política económica estarán interesados entonces en la adecuada gestión de riesgos económicos y financieros del precio de las materias primas. los diseños de coberturas de riesgo que involucran a los agricultores. Para determinar el comportamiento esperado o futuro de los precios se reescribe la ecuación (1): Pet+1 = (1— λ) (Pt + λ Pet) (2) La ecuación (2) expresa que los precios esperados en el momento t+1 son iguales al promedio de los precios realizados en el momento t. Es importante determinar la volatilidad de los precios de los commodities. con ponderaciones de 1-λ y λ.1 Expectativas adaptativas Las expectativas adaptativas se fundamentan en que el comportamiento futuro de una variable depende sólo del pasado y presente de la misma. La expresión (1-λ) indica la velocidad de adaptación de las expectativas. Sí la λ=1 las expectativas adaptativas no se corrigen y sí λ=0 indica que el nivel de precios no varía con respecto al anterior. ya que le permite a los agentes – agricultores. gobierno.

para lo cual los agentes deben intentar identificar ese patrón (que puede ser propio de esa variable o dependiente de otras). más fácil será formar expectativas sobre la variable en cuestión.. quien aplico estas expectativas a la macroeconomía con el objeto de utilizar toda la información disponible de la mejor manera y tratar de disminuir los errores sistemáticos presentados en las expectativas adaptativas. que los agentes no cometan errores.Por último. pág. por ejemplo. es: Pt = (Mt / a)+(b/a)(1—λ) ∑i=0 λi Pt—i (3) La ecuación (3) indica que “El nivel de precios de un período depende sólo de la cantidad de dinero en el mismo período y los niveles de precios de períodos anteriores.. donde Mt es la cantidad de dinero en el periodo t. ponderados con pesos decrecientes hacia atrás (es decir. De acuerdo con Argandoña (1996). 86). Sargent (2008) define las expectativas racionales como un concepto de equilibrio donde las variables endógenas dependen de las expectativas de los valores futuros de dichas variables en un modelo de economía dinámica. ni que conozcan todas 62 . 2. Las expectativas racionales parten del supuesto “de que las variables económicas no son puramente aleatorias. = es el valor esperado de la variable χ en el momento t. 87). pág.2. Las restricciones pueden variar afectando el comportamiento de los agentes y sus resultados en el mercado. sino que siguen cierto patrón de conducta. Significa que es el valor esperado Et It de la variable χ condicionada a la información disponible en el momento t. plantea que los agentes toman decisiones en situaciones dinámicas sujetos a restricciones. una aplicación de las expectativas racionales fue desarrollada por Muth.2 Expectativas Racionales La hipótesis de expectativas racionales se centra en el hecho de que la conducta de los agentes depende de los valores pasados.” Argandoña (1996. (4) xt +1 = es la expectativa subjetiva de la variable χ. Sargent (1989). que es necesario (y posible) conocer para formar las expectativas.. Argandoña (1996). La formalización de las expectativas racionales se expresa de la siguiente manera: xet +1 = Et [xt +1|It] Donde. de las cantidades de dinero presentes y pasadas) Argandoña (1996. un cambio en la política gubernamental. En conclusión. = es el conjunto de información disponible en el tiempo t. ni que puedan predecir el futuro con exactitud. presentes y futuros de las variables. “El uso de expectativas racionales no significa. En todo caso cuanta mayor información se tenga sobre el patrón. la ecuación de solución del modelo de Cagan con expectativas adaptativas. Adicionalmente.

que no están serialmente correlacionados (hipótesis de ortogonalidad). Variables exógenas: el comportamiento de la volatilidad de una serie se puede ver afectada por la influencia de variables exógenas. • Las variaciones en los precios de los activos tienen periodos de estabilidad y volatilidad. Los rendimientos de los activos se clasifican en retornos simples y retornos compuestos logarítmicos.2 Características de la Volatilidad Ecuación 8 La forma más general para medir la volatilidad de los rendimientos de los precios de los activos es por medio de la desviación estándar. si usa expectativas racionales. pero..90). Ecuación 7 • Los rendimientos presentan no normalidad. • Exceso de curtosis enEcuación 7 los rendimientos. y que no se pueden reducir con la información disponible (incluyendo la información sobre los errores cometidos).1 Rendimientos de los Activos La mayoría de los análisis de volatilidad de los activos se realizan sobre los rendimienEcuación 5 tos o retornos y no sobre los precios. etc.” Argandoña (1996. sí el comportamiento del precio de un activo presenta alta volatilidad el resultado esperado (pronostico) es altamente incierto. Un agente que utilice reglas distintas a las expectativas racionales puede cometer errores menores en la predicción de una variable. pero sí que los errores cometidos no son sistemáticos. el rendimiento logarítmico se expresa así: Ecuación 6 (6) Baillie (2007) menciona algunas características de los rendimientos a partir de varias investigaciones empíricas realizadas por otros autores. 2. Ecuación 8 2. Por ejemplo. pag. Conglomerados de volatilidad (volatility clustering): se presentan conglomeEcuación 10 rados de volatilidad en los rendimientos de los precios de los activos cuando Ecuación 10 Gestión de riesGos financieros en el mercado de materia primas aGrícolas 63 .3.3 Rendimiento y Volatilidad 2. no cometerá errores mayores.3. • Los rendimientos no se pueden predecir y están no correlacionados. Ecuación 9 La volatilidad de los rendimientos de los activos presenta las siguientes características: Ecuación 9 • • • Asimetría: la volatilidad en un escenario de innovaciones positivas se comporta diferente a un escenario con innovaciones negativas. El rendimiento simple se expresa de 5 siguiente manera: Ecuación la (5) Ecuación 6 Por otro lado.las variables de la economía.

el cual es explicado por cambios en los valores presentes y futuros de las variables macroeconómicas. tasa de cambio y demanda agregada. Presentan períodos de tranquilidad y volatilidad. existe un nivel normal de la volatilidad. Bailled y Myers (1991). evidenciándose por la presencia de colas gruesas o pesadas. et al.1 Hechos estilizados Las series de tiempo generalmente se caracterizan por ser series no estacionarias. Concluyeron lo contrario a lo encontrado por Pindyck y Rotemberg (1990) y Parthe.al (1999) llegaron a conclusiones diferentes.• hay periodos de alta volatilidad seguidos de periodos de baja volatilidad. Existen varios ejercicios empíricos que aplican métodos estadísticos y econométricos para analizar el comportamiento de los precios de los commodities. donde utilizaron la prima de riesgo como una aproximación para explicar las variaciones en el precio de los mercados futuros de materias primas. El trabajo de Parthe. (1996). 64 . donde realizaron un análisis de correlación para siete materias primas no correlacionadas7. 2. Las distribuciones son leptocúrticas. como la inflación. Tienen una varianza heterocedástica (cambia a través del tiempo). no son usadas como insumos para las producción de otras y no son co-producidas. utilizaron la técnica de co-movimiento. et al. tasa de interés. las materias primas no correlacionadas no son sustitutos ni complementarios. Otro análisis de correlación aplicado a los commodities fue desarrollado por Bailey y Chan (1993). encuentran las siguientes características de los precios de los commodities: • • • • Se distribuyen como un paseo aleatorio. Parthe.4 Técnicas y Metodologías para el análisis de Riesgo de las Materias Primas 2. et al.4. Reversión a la media: la volatilidad de los rendimientos de los precios tienden a la media. (1996) utilizaron el modelo de series de tiempo GARCH para evaluar la hipótesis de excesos de co-movimiento en el precio de algunos commodities no correlacionados. Dentro de los ejercicios estadísticos se encuentra el trabajo realizado por Pindyck y Rotemberg (1990). Por el contrario. et. Concluyeron que existe un comovimiento entre las series de precios de los respectivos commodities seleccionados que se debe a las influencias de las variables macroeconómicas. es decir. Concluyeron que existe un movimiento común en los precios de las materias primas analizadas. Demostraron 7 La no correlación implica que las elasticidades de oferta y demanda son cero. Adicionalmente a las técnicas estadísticas. Los conglomerados de volatilidad dependen de la frecuencia de la información. (1996) coincide con Bailled y Myers (1991) en que los precios de los commodities son series de tiempo heterocedásticas que presentan colas gruesas. Adicionalmente. Utilizaron la medida estadística de concordancia y demostraron que los precios de las materias primas que no están correlacionados no se mueven juntos. Cashin.

Gestión de riesGos financieros en el mercado de materia primas aGrícolas Ecuación 11 Ecuación 12 65 . es un indicador muy importante para los agentes que participan en el 5 mercado de los commodities para el diseño de estrategias de inversión y de coberturas de riesgos. Ecuación 8 La covarianza entre el precio del activo i y el activo j.2 Metodología histórica o lognormal e idénticamente distribuidos (i.d).d es ampliamente utilizado en Ecuación 7 series de tiempo diarias. se aprecia que los valores esperados o futuros de las variables macroeconómicas afectan el comportamiento del precio de las materias primas.i. Este supuesto de i. Que el parámetro o factor de suavizamiento exponencial es λ.4. Algunas características generales de los modelos EWMA son: 9 Ecuación 9 Ecuación 10 Ecuación 10 Ecuación 10 El cálculo de la varianza es: (9) Ecuación 10 Ecuación 11 Ecuación 11 Y. se define como: Ecuación 7 Ecuación 8 Ecuación 9 Ecuación 9 Ecuación 8 (8) 2. que existe una significativa correlación entre las variaciones de los precios de las mate- Ecuación 6 Ecuación 5 Ecuación 6 2. Las expectativas que se tengan sobre qué valores esperados van a tener las variables macEcuación roeconómicas. Donde ri. Ecuación 5 En conclusión.i.4.3 Metodología EWMA8 Esta metodología es más robusta para el cálculo de la volatilidad que la metodología • • Que le da una mayor ponderación a las observaciones más recientes. En el modelo histórico la varianza se expresa de la siguiente forma: Ecuación 7 Ecuación 6 Ecuación 7 Ecuación Este método asume que los rendimientos tienen media cero y que son independientes 6 (7) La ecuación (7) significa que la varianza de los rendimientos es el promedio de los Ecuación 8 retornos al cuadrado. definido entre 0 < λ < 1. el cálculo para la covarianza: (10) Ecuación 811Por sus siglas en ingles: Exponentially Weighted Moving Averages. mientras en series de tiempo con otros intervalos de tiempo no es común. Ecuación lognormal.t son los rendimientos y T es el último rendimiento diario.Ecuación 5 rias primas y la prima de riesgo de los stocks y los bonos.

Ecuación 12 Ecuación 12 Y la covarianza recursiva: (12) En relación con la reacción y la persistencia de la volatilidad el modelo EWMA presenta una restricción porque asume que los parámetros de reacción y persistencia no son independientes. 2. La volatilidad está en función del pasado de los errores al cuadrado. Las variables endógenas y exógenas son rezagadas. Con las condiciones de los parámetros de restricción se garantiza que la varianza condicional no va a ser negativa. Siguiendo a Baillie (2007) este modelo se expresa como la ecuación 13.4.4. Alexander (2008). es decir. donde y representa los errores del modelo: (13) Ecuación 14 Los parámetros de restricción deben ser positivos. sí λ tiene un valor cercano a uno. respectivamente: (11) 1 Ecuación 11 Ecuación 11 Ecuación 12 Donde. Ecuación 13 Este modelo se expresa como ARCH (q). El λ presenta dos interpretaciones: primero. 2 El término mide la intensidad de reacción de la volatilidad cuando varían las condiciones del mercado. mientras el término mide la persistencia de la volatilidad. cuando hay alta reacción hay baja persistencia y viceversa. 2. Deberían asumirse independientes ya que el parámetro de reacción es determinado por (1-λ) y el parámetro de persistencia por λ.Ecuación 10 Ecuación 10 Ecuación 11 También existe la forma recursiva para calcular la varianza y covarianza. es decir. En síntesis. ω > 0 y αj ≥ 0. no es constante a través del tiempo. sí λ es pequeño significa que la volatilidad presenta una alta reacción al fluctuar las condiciones del mercado y segundo.4. donde q son los rezagos.1 Modelo ARCH Los modelos ARCH (Autoregressive Conditional Heteroskedasticity) se caracterizan por: • • • Utilizan la varianza condicional.4 Modelos ARCH Esta familia de modelos es muy útil para capturar irregularidades de las series financieras como lo son los conglomerados de volatilidad y las colas gruesas o pesadas de la distribución. que se presentan en las ecuaciones (11) y (12). 66 Ecuación 15 . la persistencia de la volatilidad es alta.

q). donde p son las varianzas condicio14 Ecuaciónnales pasadas y q es el pasado de los errores al cuadrado se presenta en la ecuación 14: Ecuación 14 (14) Ecuación 15 Ecuación 15 Ecuación 15 Por ejemplo. Una ventaja en relación a los modelos ARCH (q) es que se reducen los parámetros a estimar. Ecuación 13 Ecuación 13 Ecuación 13 • • Ecuación 14 Ecuación14 La forma general de expresión es GARCH (p.4. dad son: Ecuación 16 Ecuación 16 j j Una condición necesaria de los modelos GARCH (p.2.4. ya sean positivos o negativos. un modelo GARCH (1. La varianza incondicional o también (17) Ecuación 18 G 18 Ecuaciónestión de riesGos financieros en el mercado de materia primas aGrícolas Ecuación 18 Ecuación 18 67 .4. sino también de las varianzas condicionales pasadas. como en el modelo ARCH (q).α ≥ 0 y la expresada en la ecuación (16). son modelos parsimoniosos. que la varianza condicional siempre sea positiva. El estadístico Lijung-Box. Aplicando raíz 17 Ecuación 17 cuadrad a la ecuación (17) es posible derivar la volatilidad.2 Modelos GARCH Simétricos Los modelos GARCH (Generalized Autoregressive Conditional Heteroskedasticity) son una generalización de los modelos ARCH y son modelos simétricos. Sus características generales son: • La varianza condicional no solamente depende de las innovaciones o los errores al cuadrado. afectan de la misma manera a la volatilidad.1) se expresa de la siguiente manera: Ecuación 15 (15) Ecuación 16 ω > 0 y β . es decir. q) para asegurar la estacionari- Ecuación 16 (16) Si Ecuación 17 los parámetros cumplen las condiciones de estacionariedad entonces se asegura Ecuación 17 Ecuaciónllamada varianza de largo plazo se expresa como en la ecuación (17).4.1 Pruebas para detectar el efecto ARCH Las pruebas más conocidas para detectar el efecto ARCH de una serie de tiempo son: • • La prueba de los multiplicadores de Lagrange (LM). 2.1. Son modelos simétricos porque parten del supuesto de que los choques del Ecuación 13 mercado de la misma magnitud.

La suma de los parámetros α + β es la tasa de convergencia. 68 . por ejemplo: • • El λ en el modelo EWMA es similar al parámetro de persistencia (β) de los modelos GARCH.9 la volatilidad permanece por largo tiempo. q) los parámetros son estimados separadamente. 9 El VaR es una medida inadecuada o insuficiente en épocas de auges. 2. meses. años. cuando es mayor a 0.5. La cuantificación de esta medida es posible hacerla por métodos que descansan fuertemente en el supuesto de distribución normal de los rendimientos de los activos.Alexander (2008).λ en el modelo EWMA. Comparación entre las Metodologías EWMA y GARCH Existen unas similitudes entre estas dos clases de metodologías. crisis o burbujas especulativas en los mercados bursátiles. El nivel promedio de la volatilidad en el largo plazo es la varianza incondicional. El parámetro β es una medida de persistencia. 2. presenta una interpretación de los parámetros del modelo GARCH (p. cuando es superior a 0. Metodología para el Cálculo del Valor en Riesgo (VaR). días. se considera grande a partir de 0. algunas diferencias entre estos dos modelos se presentan a continuación: • • • • En el modelo EWMA ω = 0.) y niveles estadísticos de confianza. q) no lo es. que puede tener un activo o un portafolio de activos por movimientos en los precios de mercado de los mismos. El pronóstico de la volatilidad en los modelos EWMA es constante mientras que en los modelos GARCH (p. q) es indefinida porque los parámetros de reacción y persistencia suman la unidad. El Valor en Riesgo (VaR) es una medida que permite calcular la máxima perdida. El parámetro de reacción (α) en los modelos GARCH es equivalente a 1. ya que puede subestimar o sobreestimar las perdidas para el valor de mercado de un activo. en condiciones habituales9 del mercado. En el modelo EWMA la varianza incondicional del modelo GARCH (p. A este tipo de métodos se les denomina paramétricos y sirven para cuantificar VaR tanto de activos individuales como de portafolios de activos. q): • • • • El parámetro α es una medida de reacción.6. Por otro lado. etc. Cuando la volatilidad incondicional es grande significa que la volatilidad a largo plazo en un mercado específico es alta. En el modelo GARCH (p.99.1 la volatilidad es muy sensible a las variaciones de las condiciones del mercado. El VaR es una medida que esta determinada por periodos de tiempo (por ejemplo.

Sin embargo. se debe dividir la temporalidad (dentro de la raíz cuaEcuación 19 drada) entre el número de rendimientos del precio del activo a lo largo de un año. el supuesto trascendental en el que descansa el VaR se que los rendimientos de los precios de los activos se distribuyen como una normal estándar. el lector pensará en multiplicar 100 toneladas de un bien por el precio actual de mercado para conocer el monto que esta sometido o expuesto a las variaciones adversas del mercado.07 • • • La temporalidad (T): el horizonte temporal para la cuantificación del VaR permite estimar las máximas perdidas que puede tener un activo t periodos adelante.El lector pensará que es posible que un inversionista tenga la posesión de los derechos de un activo o materia prima. Gestión de riesGos financieros en el mercado de materia primas aGrícolas Ecuación 20 69 . como se muestra en la ecuación (18). por ejemplo semanal. (18) Cuando la volatilidad de los rendimientos del precio de un activo esta de manera anual. por lo que será necesario especificar los detalles del cálculo del VaR de activos separadamente y de portafolio. La Volatilidad de los rendimientos del precio del activo (σ ): éste es el último de los elementos del VaR. Por lo anteEcuación 15 rior.64 2.1. es posible contemplar VaR a 1.32 3. VaR para Activos individuales Para el cálculo del VaR.28 1. 10 o 30 días por ejemplo. Por ejemplo. 4 o quizás 8 semanas. Por lo general.9% FACTOR 1. es necesario tener en cuenta: • El monto expuesto (M): esta cifra es el resultado de multiplicar el número de papeles que se Ecuación 14 tiene de un activo por el precio actual del mismo. Ecuación 13 2. La combinación de los anteriores elementos. o un portafolio de las mismas. se obtienen los siguientes factores: Distribución Normal Estándar CONFIANZA 90% Ecuación95% 16 99% 99. Para ello. Las metodologías. sería necesario calcular el VaR a 1. como el precio de los activos en los mercados se mueEcuación 17 ve diariamente. siempre que la volatilidad sea diaria. Ecuación 18 da una medida del VaR. y se quiere calcular el VaR en días. Lognormal. es necesario que la temporalidad sea llevada a frecuencias diarias. El nivel de confianza (N): dado que esta medida del VaR es paramétrica. Por lo general.6. por lo que el cálculo del VaR procede como lo señala la ecuación (19). EWMA o GARH permite calcular la volatilidad como se describió en apartados anteriores. si los precios de los activos se movieran con otra periodicidad. los mercados bursátiles operan 252 días al año. cuando se observa la tabla de la distribución normal estándar.

En este sentido. El lector recordará que las correlaciones son números pertenecientes al intervalo [-1. Es importante aclarar que el VaR de un portafolio es menor o igual a la suma de los VaR individuales. la selección de las materias primas endógenas se baso en el hecho de sus significativas variaciones en el precio. aplIcacIones en el mercado de las materIas prImas agrÍcolas 3. Metodología La estimación de la volatilidad del precio de las materias primas agrícolas aquí analizadas.VaRT . y wT hace referencia a dicho vector transpuesto. Por 70 . cuando se tienen n activos dentro del portafolio). el cálculo de la volatilidad considera el efecto de la diversificación por medio de la matriz de correlaciones de los rendimientos de los precios de los activos. se realizó de la siguiente manera: • Primero.1. Finalmente. el cálculo del VaR de un portafolio procede como se especificó anteriormente.6. La ecuación (20) permite apreciar la forma como se estima el VaR para un portafolio. VaR para Portafolios de activos T 252 (19) Ahora el lector pensará que un inversionista en el mercado de materias primas tiene mas de una materia prima. a razón de la diversificación que se evidencia dentro de un portafolio. Sin embargo.a = M × N × s anual × 2 2. 3. La matriz de volatilidades individuales es una matriz de tamaño nxn que contiene las volatilidades de cada uno de los activos en la diagonal. Sin embargo. por lo que compone un portafolio que diversifica su riesgo.2.a s s ( ) (20) Donde w es el vector de participaciones de cada una de las materias primas dentro de la inversión total (de tamaño matricial nx1. Por lo tanto. este escenario es poco probable en mercados financieros. VaRTPortafolio = M × N × 2 wT × s individuale × C × s individuale × w × 2 T . el efecto de la diversificación del portafolio se evidencia en los valores negativos de la matriz de correlaciones. C es una matriz de correlaciones de los rendimientos de los precios de los activos considerados dentro del portafolio. con y sin expectativas de valores futuros de variables exógenas. mientras que esta compuesta de ceros por fuera de la diagonal. 1]. El único escenario en el cual el VaR del portafolio es igual a la suma de los VaR de activos individuales es cuando la matriz de correlaciones es una matriz identidad. principalmente en el año 2008.

Séptimo. Solo se tuvieron en cuenta los días hábiles en Colombia.2. para el cálculo de las variaciones de los precios se empleo el rendimiento logarítmico. Tercero. La parte conceptual de la sección 4.2 se basa en algunos informes sobre materias primas realizados por The Economist. Lo anterior implica que el precio del mercado interno esta correlacionado con el precio del mercado internacional de un producto especifico. En el 2008 fue donde se evidenció la mayor alza en los precios del algodón. Cuarto. Quinto. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 71 12/04/2007 . lo que significó una variación de 73. el valor del parámetro de suavizamiento exponencial del modelo EWMA (numeral 2. los precios de las materias primas seleccionados son los internacionales.94. El análisis no incluyó el precio domestico o interno debido a que el mercado colombiano no es formador de precios. los precios se emplearon en términos nominales o corrientes. que hacen parte de las materias primas agrícolas suaves. que se encuentra clasificado en las materias primas energéticas. la Tasa Representativa del Mercado Colombiano (TRM) y la Tasa para los Certificados de Depósitos a Término Fijo (DTF).8/ lb lo obtuvo el 21 de noviembre de 2008 (Gráfico 1). las variables exógenas son: el precio del petróleo Brent.3) se supuso igual a λ = 0. mientras que su valor más bajo USc$51. 100 Centavos de dólar por libra 20 Centavos 80 16 60 12 40 8 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/12/2008 02/01/2007 Fuente: Global Economic Monitor.2 Resultados de las Aplicaciones 3. adicionalmente. 3. Precio diario del Algodón Índice A en el Lejano Oriente.54%. las materias primas exógenas se seleccionaron por su gran influencia en el comportamiento de los precios de las otras materias primas. con una frecuencia diaria10. la fuente del precio de las cinco materias primas agrícolas es la publicación Global Economic Monitor del Banco Mundial y la fuente para la TRM y la DTF es el Banco de la República de Colombia. y. las variables endógenas son los precios de cinco materias primas agrícolas: azúcar. es precio aceptante. Segundo. 2 de enero de 2007 a 31 de diciembre de 2008. valor sugerido para series diarias por JP Morgan en su estudio de RiskMetrics. 180 160 140 120 Centavos de dólar por libra La DTF es una tasa semanal. Octavo. como se describe en la ecuación 6. café y cacao. Banco Mundial. algodón. Noveno. el precio del maíz que hace parte de las materias primas agrícolas granos-semillas.1 Materias primas agrícolas11 Algodón Durante el período de análisis el precio diario del algodón alcanzó su valor máximo USc$ 90/ lb el 5 de marzo de 2008. todas las variables de estudio comprenden el período 2 de enero de 2007 al 31 de diciembre de 2008. situación que obedeció a las expectativas sobre los 10 11 GráfiCo 1.4. como se aprecia en el cuadro 2. es decir.• • • • • • • • otro lado. Sexto. Elaborado por el autor.

02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/01/2007 12/04/2007 21/07/2007 02/12/2008 29/10/2007 06/02/2008 16/05/2008 24/08/2008 24/08/2008 02/12/2008 02/12/2008 02/01/2007 12/04/2007 21/07/2007 02/12/2008 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/12/2008 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 400 300 200 120 100 Café 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/12/2008 02/12/2008 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 Fuente: Global Economic Monitor.000 un precio mínimo de US$1. que se compone principalmente 140 500 de cacao.6%. precio del cacao durante el primer semestre Elaborado por el autor. uno de los funda400 180 800 mentales ha sido el aumento en la demanda 300 700 160 de chocolate negro en Inglaterra y los Esta200 600 dos Unidos.000 180 160 140 120 100 La variación entre el precio diario máximo 2.000 1. con un 12 precio máximo de USc$16. 3. La variación entre el precio máximo y mínimo del café arábiga fue de 54.500 mo y mínimo de 97. Precio diario del Cacao en precio del azúcar son las expectativas sobre Nueva York y Londres. Precio diario del Azúcar Mundo en los mayores puertos del Caribe. lo que indica una va16 riación muy significativa entre el precio máxi2.42%. del crudo presiona al alza el precio del bioElaborado por el autor. libra stocks o existencias algodoneras en China.000 Un factor que ha influido sobre el alto Fuente: Global Economic Monitor. Los fundamentales también han influido en 500 Centavos de dólar por bushels Centavos de dólar por libra el precio. Precio diario del Café Arábigo que se caracterizaron por las marcadas fluc700 en Nueva York y Bremen/Hamburgo. de 2008. El precio del petróleo ha influido en el comportamiento del precio del azúcar a través del etanol. GráfiCo 4. 2 de enero de 2007 a 31 de dic. Elaborado por el autor. Banco Mundial.500 8 mayo de 2007.296 por tonelada 3. 3. mientras que 72 02/12/2008 02/12/2008 . por ejemplo. de 2008.500 3.500 y mínimo del azúcar fue de 60. alcanzando un precio máximo de Dólares por tonelada Centavos de dólar por libra Centavos de dólar por libra US$3.31 por libra el día 29 de febrero de 2008.668 por tonelada 3. 600 de enero de 2007 a 31 de dic.000 de 2008 y un mínimo de USc$10.7/lb el 3 de marzo 2.500 Centavos de dólar por bushels 8 800 de 2008 son las inversiones especulativas. 2 de enero de las existencias de la misma. repuntando el mayor precio USc$ 170.82%.500 del 2008. Banco Mundial. y el 3 de 20 2. 12 2. Banco Mundial.000 Dólares por tonelada 500 400 300 200 02/12/2008 a Cacao 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/12/2008 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/12/2008 Los precios del cacao en grano experimentaron un aumento exorbitante en gran parte 2.500 el 29 de enero de 2007. y por otro lado al comportamiento del precio del petróleo.GráfiCo 2. 1.500 julio de 2008.500 Dólares por tonelada 20 Centavos de dólar por libra Azúcar 3. porque al aumentar el precio Fuente: Global Economic Monitor. de 2008. Centavos de dólar por bushels Centavos de dólar por libra 800 combustible. 600 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/12/2008 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 16 16/05/2008 24/08/2008 2007 a 31 de dic. (grafico 2). Otro factor que influye sobre el 700 GráfiCo 3.41/lb el 5 de 1. 2 tuaciones en las compras y ventas del cacao.

12 2. Adicionalmente. se incluyeron variables exógenas dentro de la ecuación de varianza. Igual que el precio del cacao. 800 700 600 500 400 300 200 Centavos de dólar por bushels 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/12/2008 02/12/2008 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 El precio máximo USc$711 por bushels12 del maíz amarillo No. en el momento t. por ejemplo. en el presente capítulo. 161. La forma general de los modelos GARCH señala que la forma de calcular la volatilidad se debe realizar como se muestra en la ecuación (17).500 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 02/12/2008 02/01/2007 12/04/2007 21/07/2007 29/10/2007 06/02/2008 16/05/2008 24/08/2008 el 3 de mayo del mismo año se evidenció el menor precio (USc$110 por libra). fueron: el aumento de la oferta de maíz para producir biocombustibles. 3.2.4% respecto al precio mínimo USc$272 Elaborado por el autor.y el aumento de los precios de las semillas oleaginosas.3 Cálculo de la volatilidad del precio de algunas materias primas agrícolas con expectativas adaptativas La estimación de la volatilidad de los rendimientos de los precios diarios de las materias primas seleccionadas se va a realizar aplicando la metodología lognormal. para las estimaciones de la volatilidad se incluirán las variaciones porcentuales de algunas de las variables exógenas seleccionadas. Precio diario del Maíz Amarillo No. 2 se presentó el 27 de julio de 2007. 02/12/2008 Gestión de riesGos financieros en el mercado de materia primas aGrícolas 73 Ecuación 23 02/12/2008 8 . el precio del café Centavos de dólar por libra por el comporha sido influenciado 180 tamiento de los inversionistas en materias primas. (21) Ecuación 22 12 Una tonelada de maíz es igual a 39. Para el pronóstico de la volatilidad. a finales del 2007 e ini160 cios del 2008 los inversionistas presionaron el precio al alza debido a la incertidumbre que 140 se presentó en el momento por la cosecha de la primera parte del año en Brasil.36825 Bushels. de 2008. Durante el 2008 los factores fundamentales que llevaron a aumentar el precio del maíz. Banco Mundial.etanol. 120 100 Maíz GráfiCo 5. las variables tanto endógenas como exógenas están en el mismo momento de tiempo. 2 en puertos de EU. por bushels del 5 de diciembre de 2008. Por ejemplo. En algunos casos. y el cálculo de la volatilidad se realizó como se muestra en la ecuación (21).000 1. EWMA y GARCH. lo que significó una variación de Fuente: Global Economic Monitor. 2 de enero de 2007 a 31 de dic.

ubicándose en 3.16%.176696) es mayor a 0.9414.55%13. y π hace referencia al coeficiente (parámetro) de la variable exógena obtenido del proceso de estimación. Ecuación 24 . Pero.90 significa que la volatilidad de los rendimientos del precio del Ecuación 23 azúcar mundial es persistente. derivado del cuadro 2 procede como lo señala la ecuación (21): L a siguiente ecuación es el pie de página que esta después del cuadro 3: Ecuación 26 Ecuación 27 14 Ecuación 27 Ecuación 28 Ecuación 25 74 Ver la sección metodológica No. Ecuación 22 Con Ecuación 25 la metodología EWMA se estimó la mayor volatilidad (2. 3.Donde E(exógena) denota el valor esperado (promedio) de la variable exógena que se incluyó dentro de la ecuación de Varianza. se presentó con la metodología GARCH (cuadro 2). Ecuación 24 Azúcar del precio diario del azúcar en el mundo sin incluir alguna variable exógena (cuadro 3): El parámetro de suavizamiento exponencial empleado fue λ=0. se puede concluir que. por ejemplo un aumento.39% (ecuación 22).809857) Ecuación 23 menor a 0. es decir. utilizando como instrumento las ecuación es el una decisión de política después del cuadro 3: tasas de interés. Al incluir la variable la DTF como variable exógena. la volatilidad de los rendimientos del precio diario del algodón reaccioes na fácilmente a las variaciones en el mercado y la volatilidad generada no permanece por mucho tiempo. dado que el parámetro de reacción α (0. La ecuación 22 muestra la ecuación de varianza de los rendimientos del precio Ecuación 22 algodón: del (22) Con una volatilidad de 2. como es un valor mayor a 0. la relación entre la DTF y los rendimientos del precio del algodón es inL a siguienteversa. En conclusión incluir la DTF como variable exógena aumenta la volatilidad de los Ecuación 24 rendimientos del precio del algodón en relación con un modelo donde no se incluye mencionada variable exógena. la varianza es representada por Ecuación 23 la ecuación 23: Ecuación 22 L a siguiente ecuación es el pie de página que esta después del cuadro 3: (23) La volatilidad aumenta en 1. por lo tantopie de página que estaeconómica.50%) de los rendimientos Ecuación 26 13 El cálculo de la Volatilidad para el Algodón. Algodón La mayor volatilidad de los rendimientos del precio diario del algodón en el Lejano Oriente.1 y la medida de persistencia β (0. generaría una menor volatilidad en el precio diario del algodón debido a que los agentes participantes en este tipo de inversiones disminuirían su demanda sustituyendo las inversiones en algodón por otro tipo de activos. permanece fluctuando por un largo período Ecuación 25 de tiempo. de acuerdo a la ecuación (23).9. sin incluir variables exógenas.

con la cual se obtuvo una volatilidad de 2. Cálculo de la volatilidad con expectativas adpatativas del Precio diario del Azúcar Mundo. Respecto al parámetro de reacción α y la medida de persistencia β de los dos moEcuacióndelos GARCH del cuadro 3.00000 D(LOG(DTF)) -0.00000 0. de 2008.00066 0. Metodología EWMA Volatilidad diaria (%) Ecuación 22 Ecuación 22 Metodología GARCH: Modelo A 3a.08E-06 a 0. permite obtener la ecuación (24) que describe el comportamiento de la varianza.29%. 1. 24 Ecuación 24 (24) Por otro lado.29 El modelo GARCH.002 a 0. lo que muestra un incremento en la volatilidad del precio diario del Ecuación 25 25 Ecuación azúcar en 0.00030 7. con el cual se obtuvo una Ecuaciónvolatilidad de 2. 2.09%) comparados cuando no se incluye la DTF. antes de introducir la variable exógena. Metodología lognormal Volatilidad diaria (%) 2. el modelo GARCH después de incorporar la DTF como variable exógena. pero su estión EcuaciónG28 de riesGos financieros en el mercado de materia primas aGrícolas Ecuación 28 75 .00180 D(LOG(DTF)) -0.190969 pie de página que esta después del cuadro 0.71E-06 0.39 Volatilidad diaria (%) Metodología GARCH: Modelo B Metodología GARCH: Modelo B Variable dependiente: Azúcar Variable dependiente: Algodón Ecuación de varianza Ecuación de varianza w Coeficiente Probabilidad 0.20 2. (25) El efecto de la DTF en la volatilidad del rendimiento del precio diario del azúcar mundial es el mismo presentado para el caso del algodón.55 Volatilidad diaria (%) Fuente: Cálculos del autor.59 Cuadro 3.0109 a 0. de 2008. en los mayores puertos del Caribe. en el Lejano Oriente. Metodología EWMA 2.893007 0.00000 de página que esta después del cuadro 3: b 0.176696 Ecuación23 b 23 b 0.16%) que en los rendimientos del precio del azúcar (0.Cuadro 2.809857 0. 1. Metodología GARCH: Modelo A Variable dependiente: Azúcar Variable dependiente: Algodón Ecuación de varianza Ecuación de varianza Coeficiente Probabilidad Coeficiente Probabilidad w 2.09% al incluir la variable exógena.69E-06 siguiente ecuación es el 3: LLaasiguiente ecuación es el pie0.12 Volatilidad diaria (%) 3a. Metodología lognormal Volatilidad diaria (%) 2.00000 w 9.000 0.062879 0. se concluye que la volatilidad del precio diario del azúcar en 27 Ecuación 27 el mundo no reacciona rápidamente a las variaciones o cambios en el mercado.002232 0. pero con la diferencia de que Ecuación 26 incluir la DTF aumenta más variabilidad en los rendimientos del precio del algodón Ecuación al 26 (1.50 2. 1.52 1.803826 b 0.20%. Fuente: Cálculos del autor.0000 0. permite obtener la ecuación (25) para la varianza.14E-05 0. 2 de enero de 2007 a 31 de dic. 2 de enero de 2007 a 31 de dic.984783 0.0543 w 7. Cálculo de la volatilidad con expectativas adaptativas del precio diario del Algodón Índice A (Usc $/ lb).00070 Volatilidad diaria (%) 3.000 Ecuación Volatilidad diaria (%) 2.

lo que significa introducir en la ecuación de varianza el precio de una materia prima energética disminuye la volatilidad de los rendimientos del Ecuación 24 precio diario del cacao respecto al escenario donde no se ha incluido esta variable.053911) indica que la volatilidad del precio diario del Ecuación 26 cacao no es muy sensible a los cambios en el mercado. El parámetro de reacción α (0. 27 Ecuación 26 Al incluir el rendimiento del precio del crudo Brent como variable exógena16 se obEcuación 27 Ecuación 28 Ecuación 24 (27) Ecuación 28 Sin embargo. .13% derivada de la ecuación sin variable exógena TRM. un Cacao medida de persistencia de la volatilidad indica que ésta tiene un efecto permanente por Ecuación 25 La volatilidad más pie de página que de los rendimientos del precio L a siguiente ecuación es el significativa (2. inferior en 0.96%. la mayor volatilidad (1. Las Ecuación ecuaciones (26) y (27) de varianza permite apreciar este hallazgo. si aumenta su precio hace más atractivo participar en inversiones en otras materias primas u otros activos que Ecuación 29 Ecuación 27 Café Ecuación 27 acuerdo con el cuadro 5.51%) de los rendimientos del precio De Ecuación 28 obtuvo con el modelo GARCH. cuya varianza se representa en la ecuación (28): se Ecuación 28 Ecuación 29 diario del café arábigo en Nueva York y Bremen / Hamburgo sin incluir variable exógena (28) Tomando la TRM como variable exógena se obtiene la ecuación (29) del modelo GARCH que describe el comportamiento de la varianza arrojando una volatilidad de 1. que en inversiones en cacao. 16 La DTF no es significativa para el cálculo de la volatilidad del rendimiento del precio diario del cacao.38%. Ecuación 29 (29) 76 15 Igual resultado obtenido por le EWMA.47%) esta después del cuadro 3: diario del cacao 26 L Ecuación partir de la ecuación (26) de varianza derivada del cuadro 4: a siguiente ecuación es el pie de página que esta después del cuadro 3: en los mercados de Londres y Nueva York sin incluir variables exógenas se estimó a (26) tuvo una volatilidad de 1. ción el Ecuación 25 petróleo es un insumo de diversos procesos productivos y. Esto sucede porque estén directamente influenciados por el comportamiento del precio de petróleo. ya que en un caso el β es mayor 0. mientras que para el caso del algodón la DFT si fue significativa.Ecuación 24 Ecuación 23 Ecuación Ecuación 2325largo período de tiempo15. mientras que para la medida de persistencia los resultados fueron ambiguos. si sube el precio del petróleo Ecuación 29 Ecuación 25 disminuye la volatilidad en los rendimientos del precio del cacao. es decir. la relación entre el rendimiento del precio diario del crudo Brent y el rendimiento del precio diario del cacao es inversa.9 (ecuaEcuación 26 26) y en la otra es menor (ecuación 27).

070534 b 0.0351 8. Hay que anotar que la relación de la TRM y los rendimientos del precio diario del café arábigo es inversa.91E-06 0.38 Lo anterior indica que el modelo con variable exógena es menos volátil que sin variable exógena.894604 0.00000 0. Cálculo de la volatilidad con expectativas adaptativas del precio diario del Cacao en Nueva York y Londres.31 2. Cálculo de la volatilidad con expectativas adaptativas del precio diario del Café en Nueva York y Bremen/Hamburgo. se obtuvo la mayor volatilidad (3. Y.00000 Volatilidad diaria (%) Metodología GARCH: Modelo B Variable dependiente: Café Ecuación de varianza w 0.0000 0.0000 0.86E-06 a 0. 1.940192 0. Por otra parte. 1. con la ecuación de varianza (30) sin incluir variables exógenas se Ecuaciónobtuvo una volatilidad de 2.833097 D(LOG(DTF)) -0. a partir de la metodología EWMA.59E-06 0.51 1. Metodología GARCH: Modelo A Variable dependiente: Cacao Ecuación de varianza Coeficiente Probabilidad w 3.95 2.37%) del rendimiento del precio diario del maíz amarillo No.053911 b 0.0000 0. en el modelo GARCH se obtiene la ecuación (31) de varianza: Gestión de riesGos financieros en el mercado de materia primas aGrícolas 77 . Maíz Igual que para el azúcar.47 1.02870 a 0.0512 Volatilidad diaria (%) Fuente: Cálculos del autor.075057 b 0.96 1.883245 D(LOG(DTF)) -0.Cuadro 4.000596 0.0000 0. sin incluir variables exógenas. con la metodología GARCH: 30 (30) Ecuación 31 Al incorporar la DTF como variable exógena. Metodología EWMA Volatilidad diaria (%) 3a.84%.08E-05 b 0. 2 de enero de 2007 a 31 de diciembre de 2008. Metodología lognormal Volatilidad diaria (%) 2.0000 6.003318 0.0000 a 0. Cuadro 5. 2 de enero de 2007 a 31 de diciembre de 2008. los parámetros de reacción (α) permiten apreciar que la volatilidad del precio diario del café arábiga no reacción rápidamente a los cambios del mercado.29 1. Tomando las ecuaciones (28) y (29). igual situación se presentó en cacao. la medida de persistencia de las mismas ecuaciones muestra que las fluctuaciones de la volatilidad duran a lo largo del tiempo.2.0000 Volatilidad diaria (%) Metodología GARCH: Modelo B Variable dependiente: Cacao Ecuación de varianza Coeficiente Probabilidad w 0. Metodología lognormal Volatilidad diaria (%) 2.40 1. Metodología GARCH: Modelo A Variable dependiente: Café Ecuación de varianza Coeficiente Probabilidad w 6. Metodología EWMA Volatilidad diaria (%) 3a.0000 Volatilidad diaria (%) Fuente: Cálculos del autor. 1.

Ecuación 37 Algodón influenciadas por el comportamiento futuro.132994 0. Metodología EWMA 3a. A contiEcuación 3233 Ecuaciónnuación se presentan los resultados generales de los análisis econométricos y la respecEcuación 37 tiva ecuación de varianza derivada para cada uno de los productos aquí analizados.91E-06 0.0097 D(LOG(DTF)) Ecuación 35 -0. Metodología GARCH: Modelo A Variable dependiente: Maíz Ecuación de varianza Ecuación 33 Probabilidad Coeficiente w 6.76E-05 0.075057 b 0. 2. por las razones ya expuestas en algodón. La volatilidad del rendimiento del preEcuación 33 cio del maíz amarillo No.Ecuación 31 Ecuación 31 Cuadro 6.743476 0.0000 Ecuación 31 DLBRENT -0. Lo anterior se expresa en la ecuación (32): 32 Ecuación 36 (32) Ecuación 36 La metodología empleada para cálculo de los rendimientos de los precios de las materias primas agrícolas incluyendo expectativas es la metodología GARCH. Igual que en casos anteriores.1 y la volatilidad tienen poca persistencia por que β es inferior a 0.0031 0.4 Cálculo de la volatilidad del precio de algunas materias primas agrícolas con expectativas racionales En esta sección se va estimar la volatilidad de las materias primas agrícolas seleccionadas Ecuación 35 2.66%. inferior en 0.9.2 es muy sensible a los cambios en las condiciones del mercado ya que su medida de reacción α fue superior a 0.00000 0.02870 a 0.0393 Ecuación 30 Volatilidad diaria (%) Fuente: Cálculos del autor. Para el cálculo de la volatilidad se procede como señala la ecuación (21). Ecuación 31 rendimientos de los precios de las materias primas agrícolas en el momento t. 2 fue Ecuación 32 de 2. EcuaciónSu 34 (33) 78 Ecuación 3435 Ecuación .0087 b 0. de las variables exógenas– ya sean ma- Ecuación 33 ecuación de varianza determinada por la ecuación (33). Cálculo de la volatilidad con expectativas adaptativas del precio diario del Maíz Amarillo No.84 Ecuación 34 3.66 incluyendo expectativas racionales. Ecuación Volatilidad diaria (%) Volatilidad diaria (%) 32 2. 2 en puertos del golfo de EU. 2 de enero de 2007 a 31 de diciembre de 2008.2.00000 Volatilidad diaria (%) Metodología GARCH: Modelo B Variable dependiente: Maíz Ecuación 34 Ecuación de varianza Ecuación 30 Coeficiente Probabilidad w 8. estarán La aplicación de las expectativas racionales permite observar sí la volatilidad de los Ecuaciónterias primas o variables macroeconómicas-.37 2. La manera de incluir las expectativas racionales es rezagando las variables endógenas t períodos en relación con las variables exógenas.0037 a 0. 1. la relación entre la DTF y las materias primas analizadas es negativa. Metodología lognormal (31) La volatilidad del rendimiento del precio diario del maíz amarillo No.74 3.894604 0. t+1.18% al modelo sin variable exógena.002591 0.

Ecuación 36 Ecuación 37 Cuadro 7. de 2008. El parámetro α (0. adicionalmente.0000 0. y se obtiene una volatilidad de 3. Cacao Su respectiva ecuación de varianza representada por la ecuación (35): (35) Ecuación 34 Ecuación 35 El precio del petróleo Brent y la DTF en el momento t+1 afectan el comportamiento de la precio del cacao en el momento t. Cálculo de la volatilidad con expectativas racionales del precio diario del Azúcar Mundo en los mayores puertos del Caribe. Ecuación 35 Hay que anotar que la variabilidad del precio del azúcar presenta una alta medida de persistencia (0. Cálculo de la volatilidad con expectativas racionales del precio diario del Algodón Índice A (Usc$/lb). en el Lejano 37Oriente. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 79 .03%.31 Probabilidad 0.174162 b 0. Ecuación Cuadro 8.61E-06 a 0.0740 3. Metodología GARCH Variable dependiente: Algodón (-1) Ecuación de varianza Coeficiente w 6.03 Volatilidad diaria (%) Fuente: Cálculos del autor.0044 2.1 indica que las variaciones del precio del Ecuación 33 algodón son sensibles a los cambios en las condiciones del mercado. presentando una volatilidad de 2.0000 0.174162) mayor a 0.985864) indicando la permanencia de la volatilidad por un largo período de tiempo cuando se presenta un choque que afecta el precio del mismo. Azúcar Ecuación 32 Ecuación 33 Con Ecuación 34 una ecuación de varianza determinada por la ecuación (34). la medida de persistencia β (0. de 2008.819003 D(LOG(DTF)) -0.18E-06 0. Metodología GARCH Variable dependiente: Azúcar (-1) Ecuación de varianza Coeficiente w b D(LOG(DTF)) 9.0000 0.31%. 1a.0029 0. 2 de enero de 2007 a 31 de dic. arrojando una volatilidad de 2. De acuerdo a las medidas de reacción y persistencia se concluye que el precio del cacao no reaccioEcuación 36 na rápidamente cuando cambia el mercado y la volatilidad del precio permanece por un largo periodo de tiempo.985864 -0.819003) ésta indicando que la volatilidad no permanece por mucho tiempo. 1a. inferior a la evidenciada en el algodón.25%. (34) En el momento t la volatilidad del precio del azúcar es afectada por la DTF del momento t+1.000458 Volatilidad diaria (%) Fuente: Cálculos del autor.002154 Probabilidad 0.0000 0.Ecuación 32 La volatilidad del precio del algodón en el momento t es afectada inversamente por el comportamiento de la DTF en el momento t+1. 2 de enero de 2007 a 31 de dic.

17E-05 0.000995 Volatilidad diaria (%) Fuente: Cálculos del autor. la volatilidad del precio del maíz en el momento t es afectada por la DTF y el petróleo Brent en el momento t+1. mientras que para el caso del cacao la volatilidad del precio sólo es afectada inversamente por el precio del petróleo Brent.86E-06 0. Se demostró en los cuadros del 7 al 11 y en las ecuaciones de varianza de la 32 a 37.000606 0.045555 0. 2.Ecuación 35 Café Ecuación 36 representación de la ecuación de varianza para cacao se muestra en la ecuación (36). Cálculo de la volatilidad con expectativas del precio diario del Café Arabigo en Nueva York y Bremen/Hamburgo.41%. Cálculo de la volatilidad con expectativas del precio diario del Cacao en Nueva York y Londres.01130 Volatilidad diaria (%) Fuente: Cálculos del autor. que la volatilidad de los rendimientos de los precios de las materias primas agrícolas en el momento t están influenciadas por las expectativas que los agentes participantes en los mercados específicos tengan sobre del valor futuro que se esperan que tomen las variables macroeconómicas o el precio de otras materias primas. obteniéndose una volatilidad de 1.0007 1.02180 D(LOG(DTF)) 0. Maíz El comportamiento de la volatilidad del precio del café en el momento t es influen- Ecuación 37 representación de la ecuación de varianza para maíz esta descrita en la ecuación (37). 2 de enero de 2007 a 31 de dic. Mientras que para el café las expectativas futuras que los agentes tengan sobre el posi- 80 .06540 a 0.00000 b 0. 3c. Metodología GARCH Variable dependiente: Café (-2) Ecuación de varianza Coeficiente w a b 3. La (36) Ecuación 36 ciado inversamente por las variaciones de la DTF en el momento t+2. 2 de enero de 2007 a 31 de dic. de 2008. 1a. pero con la diferencia de que las variables exógenas en el caso del maíz afectan la volatilidad del precio de manera inversa.0000 0.001007 0.942209 0.0014 0. Metodología GARCH Variable dependiente: Cacao (-1) Ecuación de varianza Coeficiente Probabilidad w 4.00000 DLBRENT -0. Para el caso del algodón y azúcar la expectativa que se tenga sobre la DTF del periodo siguiente (t+1) afecta la volatilidad de los rendimientos de los precios de estas materias primas en el periodo actual (t).0000 0.41 D(LOG(DTF)) -0. Igual que para el caso del cacao.661692 Probabilidad 0. de 2008.25 Cuadro 10.18195 0. La interpretación de las medidas de reacción y persistencia son Ecuación 37 iguales a las expuestas para el algodón. La (37) Cuadro 9.

95% $ 3. Cuadro 11.41% $ 2. VaR 2.97 2.20 1.84% $ 4.55% $ 5.48 2.004949 DLBRENT -0.12% $ 3. cálculo del Valor en rIesgo (Var) 4.39% $ 3. Cálculo de la volatilidad con expectativas del precio diario del Maíz Amarilo No.129798 0. lo que significa que por cada $100.00.49 2.001945 0. la máxima volatilidad diaria de los rendimientos del precio del azúcar (3.69 1. 2.61 2.92 2.ble valor que tome la DTF dos periodos adelante (t+2) influye sobre la volatilidad del rendimiento del precio del café en el periodo actual (t).38% $ 2. VaR 1.20% $ 3.74% $ 4.59% $ 2.96% $ 3.66 Garch Bb/ Volatil. con expectativas adaptativas y racionales a través de diferentes metodologías Expectativas adaptativas Producto Algodón Azúcar Cacao Café Maíz Lognormal Volatil. En el cuadro 13.15 3. 3b. para las cinco materias primas seleccionadas.03% $ 4.0045 a 0.31% $ 2.50% $ 4.10 2.21 1.75 4. 2 en puertos del golfo de EU. 2 de enero de 2007 a 31 de diciembre de 2008. El último grupo es cacao y maíz.47% $ 4. en un día la pérdida máxima sería de $4.51 Fuente: Cálculos del autor.0040 b 0.05 1.52% $ 2.31 2.31% $ 3. donde se observo que las expectativas que se tengan sobre el posible valor que va ha tomar en el siguiente periodo (t+1) la DFT y el crudo Brent influyen sobre las volatilidades de los rendimientos de los precios del cacao y el maíz en el periodo actual (t).79 3.29% $ 3. b/ Con variable (s) exógena (s) De acuerdo a los resultados del cuadro 12.75% $ 4. Metodología GARCH Variable dependiente: Maíz (-1) Ecuación de varianza Coeficiente Probabilidad w 6.0011 D(LOG(DTF)) -0.37% $ 5.83E-05 0.49 EWMA Volatil. se presentan los cálculos de la pérdida máxima para las cinco materias primas seleccionadas.03%) se cálculo a través de un modelo GARCH con variables exógenas rezagadas. Cuadro 12. Cálculo del Valor en Riesgo (VaR) para un día.26 2. Suponiendo un monto expuesto de $100.12. en condiciones cotidianas del mercado. se observa que con una volatilidad más alta se obtiene un mayor VaR.40% $ 2. horizonte temporal de un (1) día y las volatilidades calculadas en los ejercicios anteriores. el cuadro 12 resume la medida del VaR. Por ejemplo.51% $ 2.00 del valor diario del azúcar.782409 0.53 Garch Aa/ Volatil. a/ Sin variables exógenas.18.1.30 2. se presentan los cálculos del VaR. Cálculo del VaR para Activos Individuales En el cuadro No.48 1. VaR 1.61 2.76 1. VaR 2. de acuerdo a la ecuación No.97) se obtuvo con esta volatilidad.25% $ 3.0733 Volatilidad diaria (%) Fuente: Cálculos del autor.36 Expectativas racionales Garch Cb/ Volatil. nivel de confianza del 95%.97. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 81 .76 1.0000 0.66% $ 4. VaR 3.29% $ 3. y el mayor VaR ($4.82 2. para un horizonte temporal de 10 días.

41 en 10 días. y la suma de los VaR alcanza un valor de $16.40% $ 7.80 Expectativas racionales Garch Cb/ Volatil.37% $ 17.12% $ 3.38% $ 7.21 Garch Bb/ EWMA Garch Aa/ Volatil. Sin embargo. la inversión agregada asciende a $500.59% $ 8.41 en condiciones normales del mercado.41% $ 7. a razón de la diversificación que se evidencia dentro de un portafolio.71 2.48 2. que por cada $100.97 2.59% $ 2. con expectativas adaptativas y racionales a través de diferentes metodologías Expectativas adaptativas Producto Algodón Azúcar Cacao Café Maíz Lognormal Volatil.41 2.29% $ 11. Por su parte.81 1. Cálculo del VaR para un Portafolio El lector recordará que el VaR de un portafolio es menor o igual a la suma de los VaR individuales.41 2.31% $ 11.65 $ 9. . a/ Sin variables exógenas. en el cuadro 14 se aprecia que en un escenario hipotético cuando se invierte $100.31% $ 6.16 3.2.79 1. Cálculo del Valor en Riesgo (VaR) para un día. MONTO $ 100.Cuadro 13. el mayor VaR lo obtuvo el algodón con una máxima pérdida de $18.95% $ 10.16 1.40% $ 2. Por ejemplo.75% $ 14. el VaR del portafolio asciende a $9.55% $ 18.99 1.00 en cada uno de los activos.48 1.00.83 1.21% de la inversión total. VaR Volatil.26 Fuente: Cálculos del autor.49 $ 16. el lector observara que el cuadro 15 asume que la volatilidad sigue un proceso EWMA.26 2. Cuadro 14.65 82 El cuadro 14 presenta los cálculos de VaR individual y del portafolio cuando se asume que las volatilidades de los precios de los activos individuales siguen un patrón tipo lognormal. En el cuadro 14 se evidencia igualmente.39 3.65 equivalente al 1.00 $ 100. VaR Volatil. que en el mismo escenario de inversión de $500. comparativo de VaR individual y VaR del Portafolio con volatilidad Lognormal PRODUCTO Azúcar Algodón Cacao Café Maíz SUMAS Fuente: Cálculos del autor.11 1. Cálculo del Valor en Riesgo (VaR) para diez (10)dias.12% $ 10.07 PORTAFOLIO Volatilidad Lognormal VaR 1.61 1.25% $ 11.84% $ 14.51% $ 7.39% $ 12.52% $ 7.18% $9.96% $ 10.66% $ 13.00 INDIVIDUALES Volatilidad Lognormal VaR 2. VaR 1. VaR 2.00.00 $ 500. b/ Con variable (s) exógena (s) Por activo individual.74% $ 4.93% de la inversión total.47% $ 12.95% $ 3.00 del valor del algodón en 10 días la máxima perdida sería de $18.30 2. mientras que los cuadros 16 al 18 asumen volatilidades determinadas por metodologías GARCH con sus respectivas características.50% $ 12.73 2.29% $ 11.00 $ 100.74% $ 14.88 2.00 $ 100.88 2.98 3. Los cuadros 14 a 18 permiten ejemplificar esta afirmación.31 2.67 1.03% $ 15.20% $ 11.07.20 1. es decir.00 $ 100.88 2. cuando un inversionista diversifica su portafolio. VaR 1. las correlaciones entre los rendimientos de los precios de los activos permiten mitigar parte de esa potencial pérdida. equivalente al 3.25 2. 4.

29% 1.00 INDIVIDUALES Volatilidad VaR GARCH Aa/ 3.00 Volatilidad EWMA 1.42 PORTAFOLIO Volatilidad VaR GARCH Aa/ 1. cuando se emplea la metodología GARCH con variables exógenas sin rezagar.37% VaR $ 2.00 $ 100.22. comparativo de VaR individual y VaR del Portafolio con volatilidad EWMA INDIVIDUALES PRODUCTO Azúcar Algodón Cacao Café Maíz SUMAS Fuente: Cálculos del autor.84% $ 4.49 $ 4.00 $ 500.22 El cuadro 15.52.15 $ 5.00 $ 100.00 $ 100.00 $ 100.76 1. PORTAFOLIO Volatilidad EWMA VaR MONTO $ 100. muestra la mayor volatilidad en comparación con las restantes metodologías aquí empleadas.61 2.96% $ 3.00 $ 500.22 $12.38% $ 2.00 $ 100.00 $ 100. permite apreciar que la reducción en el VaR es de $7. Cálculo del Valor en Riesgo (VaR) para un día. Cálculo del Valor en Riesgo (VaR) para un día.00 $ 100. Esto es equivalente a señalar que el VaR con esta metodología es el más alto.20% $ 3.00 $ 100. PRODUCTO Azúcar Algodón Cacao Café Maíz SUMAS MONTO $ 100.75.00 $ 100. Cálculo del Valor en Riesgo (VaR) para un día.76 $ 2. Cuadro 17.53 $18.52 $12.96. El cuadro 17.05 1.10 $ 3. muestra que el efecto diversificación del portafolio reducen el VaR de $18.92 2.75 Fuente: Cálculos del autor. PRODUCTO Azúcar Algod6n Cacao Café Maíz SUMAS MONTO $ 100.31% $10. Cuadro 16.00 $ 500. mientras que el cuadro 16.75 $10.50% 2. con una volatilidad de 1.29% $ 3.51% $ 2.53% $12. a/ Sin variables exógenas. cuando se emplea la volatilidad calculada por el método EWMA.02 1.47% $ 4. a/ Con variable (s) exógena (s) Gestión de riesGos financieros en el mercado de materia primas aGrícolas 83 .00 $ 100. al pasar de $18. comparativo de VaR individual y VaR del Portafolio con volatilidad GARCH con variables Exógenas.82 2.71 a $10.48 2.02 a $12.39% $ 3.52 Fuente: Cálculos del autor.53%.71 PORTAFOLIO Volatilidad VaR GARCH Aa/ 1. llegando a $12.49% $12.00 $ 100.21 1.31% 3.66% $ 4.Cuadro 15. cuando se emplea la metodología GARCH.66 $18.26 2.52% 2.55% $ 5. comparativo de VaR individual y VaR del Portafolio con volatilidad GARCH sin variables Exógenas.00 $ 100.00 INDIVIDUALES Volatilidad VaR GARCH Aa/ 2.36 $19.

31 2. estrategIas para la gestIón de rIesgos de mercado en los mercados bursátIles En el mercado de futuros de las materias primas hay diferentes tipos de inversionistas o participantes. pág. la volatilidad del portafolio es para todos los casos es menor al promedio de las volatilidades individuales del precio de los activos. Este hecho se evidencia en el proceso de diversificación del portafolio.75% $ 4. Los inversionistas participantes se enfrentan a un tipo de mercado específico (materias primas). De acuerdo con Fabozzi.27 PORTAFOLIO Volatilidad VaR GARCH Aa/ 1.por que no generan flujos continuos de efectivo. Füss y Kaiser (2008). (4) inversiones en futuros de materias primas. Fabozzi.00 $ 100.00 $ 100. comparativo de VaR individual y VaR del Portafolio con volatilidad GARCH sin variables Exógenas resagadas. En síntesis.69 1. Füss y Kaiser (2008). los bonos ó las acciones. Entre ellos se encuentran quienes se cubren contras las volatilidades en el mercado (conocidos como Hedgers).00 $ 100. (2) inversión indirecta en existencias de compañías de recursos naturales o (3) fondos mutuos de materias primas. .62 $11. sino por el comportamiento de la oferta y la demanda de mercado. donde las correlaciones de los rendimientos de los precios de los activos permiten un efecto compensación con correlaciones negativas que reducen la volatilidad agregada del portafolio. el lector observará que en todas las tablas. el valor de las materias primas no se puede determinar por un método como el valor presente neto. ver numeral 2. que se diferencian de los activos de capital17 – como la finca raíz. Siguiendo a los autores.41% $ 2.00 INDIVIDUALES Volatilidad VaR GARCH Aa/ 2. Füss y Kaiser (2008.Cuadro 18. los especuladores y los que realizan arbitraje.51 $19. a/ Con variable (s) exógena (s) Finalmente.62 Fuente: Cálculos del autor.03% $ 4.79 3.10).00 $ 500. o (5) una inversión en productos estructurados sobre índices de futuros de materias primas”.1 de este documento.97 2. Fabozzi. las formas más representativas para invertir en el mercado de las materias primas son: “(1) inversión directa en bienes físicos. entre los principales índices sobre futuros de materias primas se encuentran: 84 17 Para ampliar. PRODUCTO Azúcar Algod6n Cacao Café Maíz SUMAS MONTO $ 100. 5.31% $ 3.42% $11.00 $ 100. Cálculo del Valor en Riesgo (VaR) para un día.25% $ 3.

PRODUCTO Arroz paddy Avena Cerdo flaco Ganado gordo Ganado en pie Mantequilla Maíz Leche Pulpa de madera Trigo Soya Sueros de leche Fuente: Chicago Mercantile Exchange TIPOS DE CONTRATOS Futuros y opciones Futuros y opciones Futuros y opciones Futuros y opciones Futuros y opciones Futuros y opciones Futuros. De este modo. Cuadro 19.bna. las estrategias que tienen los agentes para gestionar el riesgo en el mercado de materias primas agrícolas. Fabozzi. Intercontinental Exchange (ICE). En Colombia. Reuters/ Jefferies Commodity Research Burue (RJ/CRB). opciones y swaps Futuros y opciones 18.• • • Goldman Sachs Commodity Index (GSCI). se encuentra la Bolsa Nacional Agropecuaria (BNA) donde actualmente se realizan transacciones sobre contratos de algunas materias primas18. y en general en cualquier otro mercado de materias primas. Chicago Mercantile Exchange (CME). se sustenta de manera fundamental en la negociación de instrumentos financieros ofertados en los mercados bursátiles locales y/o globales. opciones y swaps Futuros y opciones Futuros y opciones Futuros. New York Mercantile Exchange (NYMEX). Algunas negociaciones de productos básicos en hicago Mercantile Exchange. Braziliam Mercantile and Futures Exchange BM&F. Igualmente. presenta algunos tipos de negociaciones con materias primas realizadas en Chicago Mercantile Exchange que ofrecen instrumentos para la gestión de riesgo de mercado principalmente. opciones y swaps Futuros.com. DowJones/ AIG Commodity Index (DJ-AIGGI). Füss y Kaiser (2008) señalan que algunas de las mayores Bolsas del mundo donde se transan materias primas son: • • • • • • Chicago Board of Trade (CBOT).co Gestión de riesGos financieros en el mercado de materia primas aGrícolas 85 . Tokyo Commodity Exchange (TOCOM). Sitio web: www. En el cuadro 19.

Es muy importante que los agentes participantes en el mercado de materias primas identifiquen. Para el período seleccionado. Se mostró que el VaR de activos individuales es una medida que depende fuertemente de la volatilidad de los rendimientos de los precios de los activos. las variables macroeconómicas u otras materias primas (las energéticas) que hacen más sensible el precio del producto con el cual están negociando. conclusIones y recomendacIones • No existe evidencia para rechazar la hipótesis. se requiere incluir el comportamiento futuro o las expectativas que los agentes participantes del mercado tengan sobre el posible valor que tome la variable exógena. tiende a corregir sus pronósticos del comportamiento de los precios de las materias primas. mientras que para el azúcar y el café el choque tiene una persistencia en la volatilidad por un largo período. el resultado de la medida de persistencia es ambiguo. Por lo anterior. 6.Finalmente. Para el caso del cacao. mientras que para el azúcar. y en general de cualquier otro activo de inversión. mencionada en la introducción. Cuando se presentan un choque y aumenta la volatilidad de los rendimientos de los precios diarios. cacao y el café arábiga la volatilidad de los rendimientos de los precios diarios no reaccionan fácilmente a las fluctuaciones o cambios en el mercado. se encontró que la volatilidad de los rendimientos de los precios diarios del algodón y el maíz reaccionan fácilmente a las variaciones o cambios en el mercado. es altamente recomendado que los agentes estimen volatilidades de los rendimientos de los precios de las materias primas agrícolas. se observó que siempre existe una relación inversa entre la volatilidad de los rendimientos de los precios de las materias primas y la volatilidad de los rendimientos de los precios de las variables exógenas para el cálculo de la volatilidad con expectativas adaptativas. observando las tendencias (Expectativas Racionales) de variables exógenas como la TRM. a través de las metodologías presentadas para el cálculo o pronostico de la volatilidad. Al incluir expectativas racionales en las variables exógenas para pronosticar las volatilidades. por medio de modelos GARCH que permitan incorporar variables exógenas rezagadas para recoger el efecto de las expectativas racionales. esta tiene una medida de persistencia baja en el tiempo para el caso del maíz y el algodón. ya que para realizar un cálculo consistente de la volatilidad del precio de una materia prima especifica. la DTF o el precio del petróleo en sus cálculos. Al incluir variables exógenas. • • • • • • 86 . es posible concluir que un inversionista que tome decisiones permanentemente en los mercados. luego de comparar las diferentes metodologías para el cálculo de la volatilidad de los rendimiento del precio de los activos y mirar su influencia en el cálculo del VaR tanto en activos individuales como en portafolios. y por lo tanto de sus rendimientos. se concluyó que el valor futuro que los agentes del mercado esperan que tomen la o las variables exógenas en el periodo siguiente (t+1) afectan la volatilidad de los rendimientos del precio de las materias primas en el periodo actual (t).

por lo que negocian instrumentos financieros en los principales mercados bursátiles del mundo con el fin de mitigar o gestionar adecuadamente el riesgo en el mercado de materias primas agrícolas. “Bivariate Garch Estimation of the Optimal Commodity Futures Hedge”. El VaR del portafolio mostró que el efecto diversificación redujo en todos los casos las perdidas máximas en condiciones normales del mercado. No.1-23. CASHIN Paul. Mills C. pág. Arias Fernando y Flóres Luz A. Bogotá. Palgrave Macmillan. XXVI. En working Paper 99/169. publicado por el Fondo Monetario Internacional. “ Practical Financial Econometrics”. pág 555-573. Cuadernos de Economía. pág 287-919. “ Trends. en Econometrica. en Borradores de Economía. y Myers Rober J. 1992. en Macroeconomía Avanzada.. la temporalidad permitió observar que cuando se contemplan plazos más alejados del momento actual. 61. Hoboken.48.521.. No. Primera edición. Ltd.. junio 1993. vol. No.C.Hill.. 1996. editado por. vol.. BAILLIE Richard T. “Modelos ARCH. Gamez Consuelo y Mochón Francisco. New Jersey. BANCO MUNDIAL.1. “ Macroeconomic Influences and the Variability of the Commodity Futures Basis” en The Journal of Finance. 2007. pág 109-124. Vol. DEATON Angus y Laroque Guy. en Palgrave Handbook of Econometrics. Buenos Aires. publicado por John Wiley & Sons. 2008. pág. el VaR crece de manera importante. Fluctuations. ANSON Mark J. diciembre de 1999.. John Wiley & Sons. vol. and Determinants of Commodity Prices”. capítulo 2. Primera edición. ALEXANDER Carol. Inc. Füss Roland y Kaiser Dieter G. McGraw. en The Review of Economic Studies.. BAILEY Warren y Chan K. Banco de la República 2008. BOLLERSLEV Tim y Engel Robert. McDermont y Scott Alasdair. “Macroeconomics Determinants of Commodity Futures Returns”. “The Myth of Comoving Commodity Prices”. en Journal of Applied Econometrics. pág 737-764. capítulo 1. 1991. “La Modelización de las Expectativas: Introducción a las Expectativas Racionales”. “The Pricing and Economics of Commodity Futures”. No. ARGANDOÑA Antonio.6. No. “Modeling Volatility”. 2008. CASAS Martha y Cepeda Edilberto. capítulo 4. en The Handbook of Commodity Investing.2. Terence y Patterson Kerry. Dicha diversificación obedece al deseo de minimización de riesgo que tienen los inversionistas. vol.• Igualmente. “ Common Persistence in Common Variances”.P.1. 2008. “On the Behaviour of Commodity Prices”. ARANGO Luis E. 1 (Jan. New Jersey.1933). Inc. GARCH y EGARCH: Aplicaciones a Series Financieras”. 167-186. en The Handbook of Commodity Investing. 59. biblioGrafía ADAMS Zeno. marzo de 2009. BAILLIE Richard. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 87 . vol. publicación “Global Economics Monitor”.48. Hoboken. publicado por John Wiley & Sons.

Inc. “ Rational Expectations. PINDYCK Robert S. Hoboken. 2001). vol 11. “ Risk MetricsTM – Technical Document”. vol.P. “ The Excess Co. FRANKEL A. diciembre de 2006.. Documento traducido al español por Marcela Cabal. “Tendencias y Volatilidad en Precios de los Commodities Agrícolas”. NOUREDDINE Krichene.157-168.. 2007 y 2008. FABOZZI Franz J. en Arch Selected Readings editado por Robert Engle. NELSON Daniel B. en The Handbook of Commodity Investing. Trivedi Pravin K.pdf MORGAN J. ENGEL Robert. Blume. en The Economic Journal. vol 100. 1995. 2008. Nueva York. pág 275-291. capítulo 1. Steven N. En Working Paper 08/130. diciembre 1990. pág..DEB Partha. Eds. y Varangis Panayotis.” The New Palgrave Dictionary of Eocnomics. “Las Expectativas Racionales y la Reconstrucción de la Macroeconomía”. 15. 3 (may. 1996. Se encuentra disponible en la siguiente dirección web: URL: http://www. pág. Füss Roland y Kaiser Dieter G. Primera edición. Documento preparado para el simposio “ State of Research and Future Directions in Agricultural Commodity Markets and Trade “. Palgrave Macmillan. publicado por John Wiley & Sons.jun 1996). Nefcti.cafedecolombia. The Economist. en Expectativas Racionales e Inflación. Fondo Monetario Internacional. NBER Working Paper 12713.movement of Commodity Prices”. capítulo 1. 2008. No. GILBERT Chistopher L. enero de 2008.. en The Jorunal of Economic Perspectives. 88 .4 (Autumn. Cuarta edición. 1989 SARGENT Thomas J. diciembre de 2003. “Financial Instruments to Hedge Commodity Price Risk for Developing Countries”.com/documents/Articulo%208%20(pag%2041-61). Madrid: Alianza Editorial. No. SARGENT Thomas J. Working paper 08/6. 1173-189. Oxford University Press. “Conditional Heteroskedasticity in Asset Returns: A New Approach”. Roma. “World Commodity Forecasts” varias publicaciones.“ The Effect of Monetary Policy on Real Commodity Prices”. YINQIU Lu y Salih. y Rotemberg Julio J. “A Primer on Commodity Investing”. Jeffrey. “ The Excess Co-movement of Commodity Prices Reconsidered” en Journal of Applied Econometrics. mayo de 2008. New Jersey. Fondo Monetario Internacional. Economist Intelligence Unit. “Recent Inflationary Trends in World Commodities Markets”. Second Edition. “GARCH 101: The Use of ARCH/GARCH Models in Applied Econometrisc”.. / Reuters. Durlauf and Lawrence E.

razón por la cual se puede calificar cartera sana a pesar de su elevado y creciente nivel de cartera con el sector. Mariana F. Al final se encuentra que la entidad financiera que otorga créditos al sector arrocero tiene bajo riesgo de crédito (6. empleando metodologías propias de los Riesgos Financieros. bajo riesgo de mercado (entre 1. Ospina Bohórquez Lorena Prieto Cruz John Jairo Roa Prieto RESUMEN ste documento identifica. E Gestión de riesGos financieros en el mercado de materia primas aGrícolas 89 .34% de probabilidad de pérdida de cartera).análIsIs de rIesgos en entIdades fInancIeras dIrIgIdas al sector agropecuarIo capÍtulo 3.13% de volatilidad en sus ingresos operacionales).79% y 3. mide y evalúa los riesgos financieros de una cartera crediticia orientada al sector arrocero. métodos econométricos y teoría de la incertidumbre. ausencia de riesgo de liquidez y relativamente baja probabilidad de riesgo operacional.

PALABRAS CLAVE: administración del riesgo. which is why healthy portfolio can be described despite their high and growing level portfolio with the financial sector. análisis y medición del riesgo financiero. G29. riesgo de crédito. riesgo de mercado. N26. rice sector.13% operational income volatility). KEY WORDS: risk management. teoría de la incertidumbre. low market risk (between 1.ABSTRACT This document identifies. N56. Q14. sector arrocero. C51. operational risk. analysis and measurement of financial risk. measures and evaluates the financial risk of a credit portfolio oriented rice sector using proper methods of Financial Risk analysis and econometric analysis under uncertainty theory framework. L79.79% and 3. D81. credit risk. riesgo de liquidez. This investigation finds that the financial institution that provides credit to the rice sector has a low credit risk (6. CLASIFICACIÓN JEL: C10. 90 . riesgo operacional. absence of liquidity risk and relatively low probability of operational risk. uncertainty theory. market risk. liquidity risk.34% probability of a portfolio loss).

que consideran necesarios para la evaluación del cliente como sujeto de crédito. No se debe olvidar que la entidad crediticia representativa debe ser una institución fuerte que promueva el desarrollo del mercado arrocero en escenarios técnicos y comerciales. Sin embargo. para que éstos se fortalezcan y/o mejoren en caso de ser posible. Importancia de la Investigación La importancia del análisis de la administración de riesgos financieros para la entidad crediticia representativa lleva a la identificación de factores de competitividad del sector. mercado. Los riesgos institucionales derivados del proceso asociativo y los riesgos económicos no son explícitamente administrados por medio de políticas organizacionales que mitiguen su impacto en caso de darse un evento adverso al funcionamiento de la organización. Este hecho radica en la adecuada administración del riesgo financiero con el que cuenta la organización financiera. y los riesgos en general. Por esto. Con el fin de preservar la confidencialidad de la fuente de información. medir y controlar los riesgos derivados de la realización de posibles sucesos que perjudican la organización. la administración de riesgos financieros de la entidad crediticia representativa direccionada al sector arrocero. riesgo de mercado. 1. por su carácter exclusivamente teórico. riesgo de liquidez y riesgo operacional. No es posible saber si un cliente pagará una deuda. liquidez y operacional. sin alterar el objetivo de la investigación. Esto es. En este punto. si los pasivos de corto plazo pueden ser respaldados con activos líquidos. IntroduccIón El riesgo financiero. 1. Es evidente que la actividad del proceso asociativo depende en gran medida de las condiciones económicas del país y del quehacer de la política arrocera como uno de los ejes centrales del diseño de lineamientos de los planes y programas tendientes al desarrollo del mercado. se evidencia la necesidad de identificar. pero la inteligencia del sistema financiero colombiano evalúa criterios de las entidades que otorgan créditos al sector arrocero. si el mercado se moverá en tal magnitud que logre derivar perdidas para las organizaciones. A pesar de las grandes magnitudes monetarias que le adeuda al sector arrocero. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 91 .1 Problema a Estudiar Una entidad crediticia representativa1 con cartera para el sector arrocero. Este riesgo no es fácil de medir. hace referencia principalmente a los riesgos de crédito. nacen de la incertidumbre de realización de eventos futuros. si la entidad crediticia representativa es una entidad robusta en términos financieros.1. ha mantenido un amplio historial de otorgamiento crediticio a un sector agrícola sometido a volatilidad. con 1 Se hace referencia a una Organización con actividades crediticias para el sector agrícola en general y arrocero en particular. no se revela la fuente de información.2. la evaluación de los riesgos de crédito. los calificadores de riesgo clasifican a esta entidad como segura debido al adecuado comportamiento del pago de las obligaciones de los deudores. y si existe la posibilidad de que una organización incurra en perdidas por fallas en las personas o los sistemas de la organización.

Finalmente.Probit). Página IX).4. Metodología Para la identificación y medición de los riesgos. 2. nada parecido a lo que hoy llamamos <Sistema de medición de riesgos>” (Vilariño. para la medición del riesgo de liquidez se empleará una prueba de Cointegración como instrumento de medición. para medir la volatilidad de los precios de los productos comercializados por los deudores. La entidad crediticia representativa es una entidad financiera sólida debido al reducido riesgo financiero que presentan sus deudores. que en escenarios independientes han desarrollado un cuerpo de explicaciones coherentes que dan tratamiento detallado a los riesgos y las oportunidades que tienen los agentes (individuos) en el proceso de toma de decisiones cuando los resultados dependen en gran medida de las leyes del azar. mantiene créditos de corto y largo plazo a los productores. Igualmente. Sin embargo. que trabajan con variables dicotómicas y permiten el cálculo de probabilidades de realización de un evento (no pago de las deudas por parte de los deudores ó fallas humanas en la realización de tareas). tanto así. la teoría de los riesgos financieros y la incertidumbre darán norte al empleo de las técnicas econométricas y su interpretación. “los trabajos de investigación sobre la medición de los riesgos… son actividades que en muy poco tiempo han experimentado un crecimiento espectacular. de forma generalizada.solidez y presencia nacional. por su adecuada gestión del riesgo. para la medición del riesgo de crédito se emplearan modelo discretos (Logit . 2001. 1. Primero. 92 . se emplearán modelo de heterocedasticidad condicionada (GARCH). entonces los ciclos económicos del cultivo la afectarán cada vez en menor medida. lo que ha permitido mantener la liquidez del sector. fundamentacIón teórIca El análisis de la elección en ambientes de incertidumbre tiene sus primeras aproximaciones en la teoría microeconómica y en la teoría estadística de la probabilidad. Cada una de las mediciones llevará su respectivo análisis y conclusiones derivadas del proceso. Hipótesis y Resultados Esperados El empleo de estas herramientas permitirá llegar a la medición de los riesgos financieros a los que se ve sometida la entidad crediticia representativa. razón por la cual. Por otro lado. 1. que hace siete u ocho años no existía. en el presente documento se utilizan una serie de modelos econométricos.3.

Sin embargo. Cuando un individuo realiza una elección. entre otras. básicamente. Por ello. la teoría de la firma incorpora el análisis de la incertidumbre por medio de la teoría de juegos. Generalmente. “La teoría de las decisiones interactivas… analiza.1. 2004. Pág. Con la identificación de fallas del mercado. En este sentido. la aceptación del bien por parte de su organismo. los gobiernos han tendido a diseñar mecanismos en los cuales pretender mitigar el efecto de las fallas del mercado. deben tomas decisiones en el esfuerzo por obtener las máximas ganancias posibles” (Monsalve. les otorgan un trato homogéneo castigando a los agentes económicos que no generan fallas de mercado. En este sentido. considerando las POSIBLES acciones de sus oponentes. afecta positivamente o negativamente la utilidad del consumidor. la probabilidad de ocurrencia del evento y la ganancia que obtendría el individuo con dicho evento han conducido el análisis al concepto de valor esperado. y por otro lado. como los gobiernos no conocen perfectamente a los agentes regulados. en el diseño y aplicación de las políticas tendientes a contrarrestar los efectos de las fallas del mercado. que ha propiciado el ambiente para que se analicen escenarios en los cuales actúan los bancos: ambientes de riesgo e incertidumbre. se presenta un problema de selección adversa en el cual. ya que la adquisición de un bien no garantiza ningún resultado determinado. que.Tanto el desarrollo de un cuerpo teórico. Por otro lado. De acuerdo con Monsalve. 2. 165). en realidad esta jugando con variables desconocidas que determinan la verdadera utilidad del bien. Un ejemplo de ello es la calidad del bien. Un tercer escenario en el cual la teoría microeconómica tradicional incorpora la teoría de la incertidumbre y el riesgo en las elecciones de los agentes. De acuerdo con Nicholson. 1). el contexto de análisis teórico y aplicación de riesgos se debe al sistema financiero. en un contexto de maximización. “El estudio de la conducta individual en condiciones de incertidumbre y el estudio matemático de la probabilidad y la estadística tienen un origen histórico común en el intento de comprender los juegos de azar” (Nicholson. subvalorando la magnitud Gestión de riesGos financieros en el mercado de materia primas aGrícolas 93 . la toma de decisiones racionales… en las cuales dos o más agentes. que no es más que la probabilidad de ocurrencia del evento por la ganancia que se derivaría de dicho evento. enfocan su atención al análisis de la aversión al riesgo y utilidad esperada asignándole un importante papel a la probabilidad de ocurrencia de eventos inciertos. tiene fundamento en la teoría de la regulación y la elección pública. Pág. 1997. como el desarrollo de un amplio espectro de aplicaciones han sido desarrolladas por economistas y estadísticos profesionales del sistema financiero mundial. los agentes son empresarios que deben tomar decisiones en contextos en los cuales se conoce información parcial o incompleta de las posibles acciones de los demás agentes que interactúan en el proceso y que por tanto afectan los resultados del juego y en esta medida la maximización de los beneficios de la firma. Riesgo e Incertidumbre Generalmente la teoría microeconómica hace un arduo tratamiento a la elección realizada por los consumidores en escenarios de incertidumbre.

en cierto grado. el fascinante mundo del riesgo y la incertidumbre llevan al arduo estudio de la probabilidad como una primera aproximación al estudio de sucesos aleatorios que afectan el resultado de las decisiones económicas aparentemente racionales. que tipo de proveedores y acreedores tener como clientes. pero dicha decisión no depende de si mismo. relajar el supuesto de la microeconomía tradicional de ceteris paribus (todo lo demás constante). los tres agentes asumen riesgo por la incertidumbre que genera el pago o no de las obligaciones bancarias por parte del agente 2. En un contexto económico amplio. un ahorrador (consumidor 1) lleva sus ahorros a un banco y los deposita como mecanismo de reserva de valor. que tipo de portafolios constituir. interactúan. ya que la diversidad de factores que afectan los resultados de una elección están regidos por los sucesos aleatorios en los que se desempeña el mundo económico. 1988. El tercer agente tomador de recursos del sistema bancario (consumidor 2) puede decidir. Se puede pensar por ejemplo que dentro de las decisiones de un banco. puede garantizar o no la devolución de los recursos al ahorrador. ya que cada una de estas elecciones implica un resultado favorable o no. En este sentido. implica la inmediata aceptación de un amplio componente de incertidumbre en el proceso de elección racional de los agentes económicos (firmas y consumidores). podrá asumir riesgos que no le permitan maximizar los beneficios como agente racional. Igualmente existe riesgo e incertidumbre en escenario en los cuales los agentes económicos privados (firmas y consumidores). 2. “La probabilidad es un mecanismo por medio del cual pueden estudiarse sucesos aleatorios…” (Canavos. Un escenario de este tipo se encuentra cuando. etc. sino de un tercer agente. Sin duda alguna. en el concepto elemental de probabilidad.. Riesgo de Crédito 94 En un contexto financiero. y los avances recientes de la teoría microeconómica. o simplemente le reduzcan significativamente los beneficios. la definición más sencilla de riesgo de crédito afirma que “el riesgo de crédito es la probabilidad de que una entidad incurra en perdidas generadas . Este escenario de información asimétrica. regresar o no dichos recursos al banco para que éste los regrese al consumidor 1. en el cual los reguladores no conocen la información perfecta de la forma como operan los agentes económicos. De acuerdo con Canavos. Igualmente. Página 28). cuando prestar. En todos los escenarios en los cuales se incorpora el análisis del riesgo y la incertidumbre a la elección de los individuos. una vez ha retirado los recursos del sistema financiero. La utilidad de los tres agentes (valor esperado de la utilidad) se ve afectado por la probabilidad de que la elección del agente 2 sea pagar o no sus obligaciones bancarias. que tipo de empleados contratar o no. fundamentan toda la estructura teórica y las conclusiones derivadas de ella. la microeconomía tradicional. para el banco. Si los resultados de las elecciones de los bancos no son favorables.de las fallas de mercado de los agentes que las generan. es necesario tomar la decisión de a quien prestarle recursos. pero sus elecciones dependen de variables exógenas al proceso de elección.2. El banco (firma). los sucesos aleatorios (teoría de la incertidumbre) a los que se ve sometido un agente económico lleva a que este tome decisiones que son racionales en función de los resultados esperados de la realización de ciertos eventos. lleva a la aplicación de políticas regulatorias que pueden llevar a la consolidación de las fallas del mercado o a la desaceleración de la actividad económica.

De acuerdo con Jorion. Por ejemplo. representa la fracción perdida debido al incumplimiento. Páginas 437-438): 1. es el valor de la demanda al momento que la contraparte incumple. La ecuación (1) muestra en forma simplificada el proceso de agregación de la perdida crediticia esperada CL (Jorion.  e i Gestión de riesGos financieros en el mercado de materia primas aGrícolas eXi 1 Yt   0   0 T    i Yt i    i  t i    i Di   t P q L 95 . Pero se debe asumir que solo  PY  1 X i   F Y . La tercera variable hace referencia a la perdida del banco dado el incumplimiento real. algunos decidirán pagar y otros no sus obligaciones financieras. 2. El resultado es evidentemente un suceso aleatorio que distribuye como una Bernoulli. En el proceso de medición del riesgo de crédito influyen tres variables.    X i    X  1 la inclusión del   X i   1 e la variable aleatoria es bi (incumplimiento ó default). es el estado discreto de la contraparte – si la contraparte cumple o no sus obligaciones bancarias. = es la tasa de recuperación. En este sentido. Default (incumplimiento). esto es la cantidad de dinero que debe el deudor al banco.  y  en otro  1 x  = es el crédito expuesto (monto expuesto) al tiempo de incumplimiento. Credit Exposure (Exposición Crediticia) también llamado exposición al incumplimiento (EAD). 2002. CL    i * CE i * 1  bi  i 1 N (1) Donde: ρi bi CEi = es una variable aleatoria (Bernoulli) que toma valores de 1 en caso de incumplimiento (default) y cero  Pr y caso. que si el deudor en un momento del tiempo decide no continuar con los pagos periódicos al sistema financiero. El sistema financiero puede incurrir en perdidas cuando sus deudores no cumplen con sus obligaciones bancarias o simplemente cuando cumplen imperfectamente éstas. Página 433). 3. La segunda hace referencia al monto expuesto. la pérdida agregada se define únicamente como la suma de las pérdidas individuales dado el incumplimiento para cada uno de los agentes. la perdida por incumplimiento es entonces el 70% de la exposición crediticia. se logra recuperar 42 pesos. y su deuda en ese momento de incumplimiento es de 70 pesos. Cuando un sistema financiero o entidad crediticia tiene N agentes tomadores de préstamos. Si se tienen 100 individuos. ó (1 − bi ) es la pérdida dado el incumplimiento (default) En teoría. los sistemas de medida del riesgo de crédito intentan cuantificar el riesgo de pérdida debido al incumplimiento de la contraparte. La primera hace referencia a la probabilidad de que un deudor incumpla sus obligaciones financieras. la tasa real de perdida es del 40% del monto expuesto. La distribución del riesgo de crédito puede ser vista como un proceso compuesto por las siguientes variables (Jorion 2002. si se toma una situación donde el resultado del incumplimiento a una tasa de recuperación (Fraccional Recovery Rate) es solo del 30%. con una probabilidad pi .por el incumplimiento de las obligaciones contractuales de la contraparte” (Jorion. Página 441). 2002. pero luego de un arduo cobro por parte del banco. todas estas pueden ser variables aleatorias. esto es. Loss Given Default (Pérdida dado el incumplimiento).

la Superintendencia Financiera. diferencia entre modalidades de crédito. A partir de ese momento es un cliente en default. cumple 60 días en mora. La medición del riesgo de crédito es importante en cuanto a que encuentra el valor teórico al cual se está en riesgo. ya que ésta depende de la ocurrencia del evento que es un suceso aleatorio. medir y controlar el riesgo de crédito. ya que en caso de que se incumplan las obligaciones financieras. Para ello. son las entidades bancarias las responsables de adoptar las políticas para reducir el impacto de las pérdidas (diseñar las estrategias para la maximización de sus beneficios dado el incumplimiento). De acuerdo con la Superintendencia Financiera de Colombia. Dentro de dichas clasificaciones es posible encontrar: A. de acuerdo con recomendaciones y estándares internacionales. es importante y obligatorio que los bancos realicen el cálculo de las pérdidas esperadas (definidas como la suma de las pérdidas individuales de los tomadores de préstamos dado el incumplimiento de sus obligaciones bancarias). se considera que un cliente incumple sus obligaciones financieras (entra en default) si: 1. cumple 30 días en mora. Los clientes tipo A son los mejores. Siendo cartera comercial. son los ahorradores los que ven en riesgo sus recursos. para dar a cada modalidad un tratamiento diferente. de modo que se generar estabilidad en el sistema financiero. Siendo cartera de Vivienda. A partir de ese momento es un cliente en default. Cartera Comercial (Para actividades económicas organizadas) Cartera de Consumo (Para financiar adquisición de bienes de consumo) Cartera de Vivienda (Adquisición de Vivienda nueva o usada) Cartera de Microcrédito (Otorgados a Microempresas con carteras menores a 25 SMLV) Por otro lado. Los tipos de carteras de crédito que considera la regulación financiera en Colombia son: 1. C. la superintendencia financiera en dicha circular adoptó un sistema de clasificaciones de los clientes.concepto de probabilidad lleva a calificar a la pérdida como pérdida esperada. cumple 60 días en mora. los bancos deben calcular las pérdidas esperadas con el fin de crear un fondo que soporte los montos que se encuentran en riesgo de exposición. 3. 2. y de este modo asegurarle al ahorrador que tiene la capacidad de responder por sus ahorros a pesar de que los deudores incumplan sus obligaciones. Los clientes 96 . Igualmente. A partir de ese momento es un cliente en default. en el capítulo II de la circular 100 obliga a los banco a identificar. para proveer un escenario de estabilidad y seguridad del sistema financiero. D y E. 3. 4. B. 2. y dado que la probabilidad de incumplimiento siempre esta latente. A partir de ese momento es un cliente en default. cumple 90 días en mora. Siendo cartera Microcrédito. Los licites tipo B son clientes buenos pero con cierto perfil de incumplimiento de pagos esporádicos que tratan de solucionar a tiempo. Dentro de la regulación financiera en Colombia. En este sentido. Siendo cartera de consumo. 4.

Los clientes tipo D son los clientes incumplidos (Default) con sus obligaciones financieras. La medición del riesgo en si misma es inútil. también se ve sometida a evento de que los clientes incumplan las obligaciones contractuales en los pagos. la aplicación del concepto de riesgo de crédito puede ser fácilmente extensible al sector no financiero. Dado que las entidades no financieras desconocen por completo el esquema de regulación del sistema financiero en Colombia. Las casas comerciales verían un riesgo de crédito. cometen el Gestión de riesGos financieros en el mercado de materia primas aGrícolas 97 . la medición del riesgo de crédito debe servir como base para la toma de decisiones empresariales (no solo aplica para el sector bancario). En este documento. como entidades comerciales por ejemplo. se hace necesario que. la cosecha fue mala o porque los precios estaban deprimidos al momento de la venta de la cosecha. Los clientes tipo E son clientes cuyas carteras son incobrables (ni el cobro jurídico logro la recuperación de la cartera). mientras que los productores estarían sometidos a riesgo de mercado (precios de mercado diferentes a los esperados). en el sector agrícola. y tampoco definen puntos de default (incumplimientos) como lo define la Superintendencia Financiera de Colombia. de modo que el dueño de la misma incurriría en pérdidas dado el incumplimiento de los deudores. Una entidad crediticia representativa que provee créditos a los agricultores para la compra de semillas para la siembra de arroz. una entidad comercial que otorga créditos o facilidades de pago a sus clientes. y los insumos agrícolas para el cultivo. un deudor de una casa comercial que le da facilidades de pago en la compra de insumos. Para ello. se pretende construir un modelo de pérdida esperada de la cartera crediticia de una entidad crediticia representativa. Diversas entidades crediticias no financieras del sector agropecuario en general. puede decidir no pagar sus obligaciones a la casa comercial porque. pero nunca han incumplido sus pagos al sistema financiero. por lo que se pondría en riesgo la estabilidad de la compañía.tipo C con clientes regulares que tienden a retrasarse en sus obligaciones financieras. tiene un mecanismo de financiación para los agricultores en la medida que distribuye los pagos de los monto prestados a lo largo de los meses de siembra hasta llegar a la época de cosecha. cuando los agricultores venden la producción y pagan sus obligaciones financieras con los ingresos derivados del proceso. la Regulación Bancaria en Colombia señala que las provisiones de los bancos deben ser el 1% de la cartera total de la entidad sumado a las pérdidas esperadas obtenidas del proceso de cálculo anterior. de modo que los ingresos obtenidos por la venta de los mismo no alcanza para cumplir completamente con las obligaciones financieras ante las casas comerciales. Por ejemplo. los riesgos se correlacionen. En este escenario. Sin embargo. solo toma vida cuando sirve como criterio para la toma de decisiones racionales por parte de los agentes económicos. no clasifican a los clientes de acuerdo con un perfil. que propendan por la reducción del impacto del incumplimiento de los deudores. Por ejemplo. estudiar los determinantes que inciden en el suceso aleatorio del pago o no de las obligaciones financieras a la entidad crediticia representativa por parte de los agricultores. La complejidad del análisis lleva a que. este ejercicio pretende ejemplificar el proceso de medición del riesgo para que las entidades no financieras que realizan el mismo ejercicio de otorgamiento de créditos apliquen el esquema a sus unidades de negocio. de modo que la entidad diseñe las estrategias pertinentes para la reducción del riesgo de crédito. en algún sentido. Finalmente. por ejemplo. a pesar de que otorgan créditos. y más específicamente en el sector arrocero.

se va a calcular la perdida esperada y las provisiones potenciales que debería tener la entidad crediticia representativa de acuerdo con los conceptos de la Superintendencia Financiera de Colombia. los tipos de cambio. y no distinguen las modalidades de crédito. que le reporto una rentabilidad nula. que en el caso de un banco. y por facilidad de los cálculos y del análisis económico. Dentro de los riesgos de mercado. Esto implica.mismo error.006. y que están originadas por movimientos adversos de los precios de mercado…” (Vilariño. por ejemplo el Yen japonés. solo estará incurriendo en un costo de oportunidad. y el grado de tolerancia que puede tener una entidad ante los movimientos del mercado antes de incurrir en una perdida real. El riesgo de mercado se origina en el movimiento adverso de los precios. etc. Cualquier movimiento en uno de estos factores puede llevar a perdidas potencias a los agentes económicos que intervienen en el proceso económico. las tasas de interés pactadas en UVR.3.5% por ejemplo. se analizó aquel segmento de clientes que tenían créditos iguales o menores a 25 Salarios Mínimos mensuales legales vigentes a diciembre de 2. los precios de las acciones. sino por el contrario. 2. C. Página 13). Igualmente. 2001. es posible apreciar. ya que no existe discriminación entre ellos y todos son deudores en montos pequeños. no distinguen clientes tipo A. los tipos de interés en moneda extranjera. es un valor teórico que permitirá realizar una medición del riesgo de crédito de la entidad. es necesario observar la frecuencia con que se mueven los precios. la cartera se podría llegar a clasificar como Microcrédito como se menciono anteriormente. no todo movimiento en los precios lleva a pérdidas o ganancias significativas a los agentes que intervienen en el proceso económico. Lo realmente importante a la hora de analizar el movimiento de los precios es la magnitud del movimiento de los mismos. Esto no implica que existan dichas provisiones. Sin embargo. se tomo un segmento de la cartera agropecuaria. los productores de arroz a lo largo del territorio nacional. si dentro del portafolio en el cual invierte los fondos de los ahorrados hay un tipo de divisa. se consideran todos los clientes como homogéneos. Por este motivo. papel o bono que le reportara rentabilidad en vez de invertirla en una moneda (el Yen para el caso del ejemplo). D ó E. 98 .5% anual por ejemplo. En tal caso. En caso contrario. el valor de la UVR. y de éstos. ya que pudo haber invertido el dinero en otra divisa. ya que pueden ser menores o mayores. y dará luces a entidades no financieras para que realicen el mismo ejercicio. Para el presente ejercicio. Riesgo de Mercado El riesgo de mercado “son las posibles pérdidas que pueden producirse en activos financieros que forman parte de carteras de negociación y de inversión. B. si el movimiento del rendimiento de la divisa cae a una tasa de 4. los tipos de interés en moneda nacional. El análisis de volatilidades soporta la teoría del riesgo de mercado. que tiene una rentabilidad media de 6% anual y su volatilidad es del 2%. el banco solo incurrirá en pérdida si el precio de la divisa llega a una rentabilidad de 4% cuando él tiene que pagar al dueño del dinero (ahorradores) una rentabilidad anual de 4. Bajo este concepto. Finalmente.

El concepto de Valor en Riesgo (Value at Risk . 2001. etc. es obligatorio medir dos parámetros cuantitativos. Generalmente el nivel de confianza suele ser de 95%. por lo que el nivel de significancia será a . GARCH. etc. de modo que es posible explicar el comportamiento de los precios y sus volatilidades. 2001. El VaR es una medida que resume el riesgo de movimientos negativos de los precios. Página 246).VaR). de modo que los efectos en los movimientos del mercado se vuelvan. que serán tratados mas adelante en este capítulo.9%. Pág. ya que la frecuencia de movimiento de los precios puede generar compensaciones en el largo plazo. por lo deben ser considerados como sucesos aleatorios. se ha acuñado para referirse al riesgo de mercado. 99% ó 99. El nivel de confianza y el horizonte (Jorion. En términos sencillos. expresados en dinero. Los resultados del VaR pueden diferir si se tienen en cuenta movimientos de los precios de manera continua en el tiempo. 2001. con un determinado horizonte temporal y un determinado nivel de confianza” (Vilariño. El nivel de confianza ( 1 − a ) no es más que el nivel estadístico de certeza con el cual se realizan los cálculos. Los precios futuros son desconocidos. La definición implica que con el movimiento futuro de los precios. Sin embargo. la aplicación del concepto de Riesgo de Mercado puede ser fácilmente extensible al sector no financiero. Dentro de los modelos econométricos de volatilidades se encuentran los modelos tipo ARCH. semanal. “El concepto VaR es la estimación de la pérdida máxima que puede tener la posición de una cartera. Para el caso una entidad crediticia Gestión de riesGos financieros en el mercado de materia primas aGrícolas 99 . Por otro lado. los cálculos deben ser tan exactos que se hacen complejos. sus ganancias se pueden ver afectadas. la construcción de modelos econométricos ha enriquecido el análisis de volatilidades. especificando la probabilidad de que la perdida actual sea más grande” (Jorion. Una entidad comercial que se encarga de la venta de un único bien (insumos agrícolas por ejemplo). en cierta medida. Página 189). el horizonte de hace referencia al tiempo de exposición del precios a movimientos del mercado.). T-GARCH. aumento de la oferta o caída en la demanda). 252).. o de manera discreta (diaria. Si el precio se mueve a la baja por las condiciones del mercado (aumento de la competencia. Para medir el VaR. existe un valor que se puede perder en la actualidad (un porcentaje de la inversión actual). mensual. las compensaciones no necesariamente se dan y por lo tanto el riesgo puede aumentarse expresando un VaR significativamente mayor. pero en la medida en que aumenta el nivel de confianza. el riesgo de mercado se ve influenciado por la volatilidad (desviación estándar de un precio con respecto a un nivel medio) de los precios que intervienen en un proceso económico. para tener una primera aproximación al riesgo de mercado. Al igual que antes. Esto implica que el “VaR es máxima pérdida en un horizonte objetivo de tiempo tal que hay una baja en el precio. Para el caso de horizontes de tiempo corto. Basta con conocer la raíz cuadrada de la varianza del comportamiento histórico de un precio. neutros. asumirá cierto grado de riesgo cuando los precios de mercado se muevan.

Para la medición del riesgo de crédito y del riesgo mercado. o el comportamiento histórico de cierto precio. lo que enfrenta la compañía es un costo de oportunidad por dejar de invertir en otra actividad que le hubiera generado una ganancia superior a 5%. para calcular su volatilidad. en cierta medida. en regiones donde el riesgo de mercado sea menor. esto no implica que la entidad crediticia representativa tenga dichas provisiones. el simple cálculo de las variaciones de los valores de mercado de los activos líquidos y los pasivos de corto plazo dan una idea vaga del verdadero riesgo de liquidez. “La medición del riesgo en si mismo es inútil. desconoce la posibilidad de disponer de recursos para realizar operaciones de mercado que generen una oportunidad de rentabilidad. las provisiones deberían ser menores para la entidad crediticia representativa. Por otro lado. de modo que se identifiquen aquellas regiones en las cuales el riesgo de mercado es mayor. y la volatilidad es del 15%. Riesgo de Liquidez El riesgo de liquidez puede definirse como la perdida potencial ocasionada por eventos que afectan la capacidad de disposición de recursos por parte de una entidad para enfrentar sus obligaciones pasivas. se decida diseñar un mecanismo de aprovisionamiento (mayores provisiones teóricas para las entidades que otorgan créditos). 2. Esto implica que si el valor de mercado de los activos líquidos varía en la misma proporción que los activos de corto plazo de la entidad. solo es necesaria una base de datos que de cuenta del comportamiento histórico del cumplimiento de los pagos por parte de los deudores. Nuevamente. la Volatilidad es del 5% y la ganancia del 10%. Como se dijo anteriormente.no financiera. Por otro lado. el riesgo de liquidez es menor (lo que no implica que sea poco severo). ya sea por incapacidad para vender sus activos. En caso contrario deberá incrementar la ganancia por encima del 15% para reducir la posibilidad de perdida por movimientos en el mercado. ya que. se puede tener una medida básica como la igualdad histórica en las variaciones de los valores de mercado de los activos líquidos de la entidad y los pasivos de corto plazo. y por tanto. si la ganancia por venta de agroinsumos es de 10%. sino que éste ejercicio aproximará los montos teóricos. solo toma vida cuando esta sirve como criterio para la toma de decisiones racionales por parte de los agentes económicos”. la medición del Riesgo de Mercado debe servir como base para la toma de decisiones empresariales (en términos de fijación del precios del bien que le permita soportar los movimientos del mercado). En este documento. Estos cálculos servirán para identificar el comportamiento de los mismos.4. Sin embargo. supóngase que. por aumento de sus pasivos valorados a precios de mercado o por incapacidad para recurrir a las fuentes habituales de financiamiento. va a realizar un cálculo de las volatilidades de los precios del arroz al productor a lo largo del territorio nacional. la actividad económica se enfrenta a un VaR alto que llevará a potenciales pérdidas económicas en la entidad. en cierto momento del 100 . por ejemplo. si bien es cierto que los activos soportan los pasivos. Por ejemplo. Si por el contrario. De igual manera. La medición del riesgo de liquidez es un tanto más compleja que la medición de riesgos de mercado y de crédito. por reducción del valor de sus activos valorados a precios de mercado. ante una caída de precio de los agro insumos de 5%. de modo que se estabilice la actividad arrocera. para la medición del riesgo de liquidez.

ya que el flujo de caja de los activos líquidos se reduciría los dos años siguientes antes de la maduración de la inversión. estará presente el riesgo de liquidez. solo será posible la evaluación de la hipótesis que afirma que tanto los activos como los pasivos han crecido a una tasa histórica similar. aparentemente existirán dos periodos en los cuales el riesgo de liquidez es alto. Página 276). Y como es de esperarse. Si este es el caso. los activos líquidos de una compañía son de 100 y los pasivos de corto plazo tienen el mismo valor. a pesar de que la tasa de crecimiento histórica de los dos sea similar (2% por ejemplo). y en la cuantificación de los cambios no anticipados. cuantificar el cambio negativo…” (Vilariño. En esta investigación. por la disposición de información de los estados financieros y los balances de la entidad crediticia representativa. Nuevamente. se necesita una visión y un campo de análisis más amplio para el análisis del riesgo de liquidez. Esto implica que el análisis de los estados financieros y balances de una entidad pueden llevar a una mejor aproximación del riesgo de liquidez. el riesgo de liquidez depende del riesgo de mercado ya que las tasas de interés son el precio que pagan las entidades por el uso del dinero. En cualquier caso. y el riesgo de mercado es bajo (por ejemplo en renta fija). En este sentido. es una afirmación que fácilmente puede ser puesta en tela de juicio. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 101 .tiempo. que afirmar que una entidad se enfrenta a riesgo de liquidez. en el riesgo de liquidez se tienen unas técnicas de medida tan débiles. las técnicas de medición del riesgo de liquidez son en sí mismas débiles y no proveen criterios suficientes que describan la complejidad a la que se enfrenta una entidad cuando hace análisis de riesgos de liquidez. al igual que en la medición de los riesgos de crédito y los riesgos de mercado. Más aún. asignándole probabilidades a dichos cambios o. la metodología desconoce o le brinda poca importancia al costo de oportunidad de reducir el flujo de caja por el lado de los activos líquidos de la compañía. Nuevamente. “Un primer objetivo de la gestión de activos y pasivos esta situado en la anticipación de los cambios en el balance y en los márgenes…. si la compañía necesita disponer del 50% de sus activos líquidos para realizar una inversión que le va a generar un 20% de rentabilidad dos años después. 2001. los resultados teóricos encontrados no implican la realización del evento por parte de la entidad crediticia representativa. El concepto central es el de sensibilidad al tipo de interés. el riesgo de liquidez en su forma más básica es poco probable. esto significa que las tasas de interés que afectan a los activos líquidos variaron en la misma proporción y sentido que las tasas de interés que afectan los pasivos de corto plazo. Sin embargo. desconociendo que el costo de oportunidad de no hacer la inversión es más alto que el crecimiento del valor de mercado de los activos líquidos en el tiempo. por el hecho de que la tasa de variación de los pasivos de corto plazo es mayor que la tasa de variación de los activos líquidos. De acuerdo con Vilariño. inversamente dado un nivel de probabilidad determinado. el cálculo del GAP es excesivamente sencillo en el sentido de que si en una situación el GAP es nulo. engendra en si misma una secuencia de análisis que dan una mejor aproximación al riesgo de liquidez. pero si no es el caso. La teoría de la Gestión de Activos y Pasivos (GAP). ordenados por plazos. la técnica del GAP o brecha de fondos consiste en el cálculo de activos y pasivos sensibles a las variaciones de tipos de interés.

por la magnitud económica de la perdida. página 16). se trata también de gestionar dicho riesgo. Todos estos aspectos tienen un soporte documental preciso. 2001. y unas normas y procedimientos de administración y control. almacenadas y contabilizadas. además. es posible afirmar que la fuente de riesgo operacional es etérea y compleja de medir. una garantía no verificada. la entidad crediticia representativa se ve sometida a riesgo cuando realiza contratos con los deudores. Incluso el riesgo operativo puede acuñarse a la actuación de los empleados que lleven a pérdidas económicas a la entidad como fraudes y despilfarro de fondos.5. la frecuencia con que ocurre la falla en un intervalo de tiempo. y debe exigirse. “Las transacciones financieras deben ser registradas. al igual que en los modelos de riesgo de crédito. Las medidas actuariales construidas para la medición del riesgo operacional se basan en fallas históricas de las personas. Riesgo Operativo Este es sin duda alguna. 2002. etc. o de eventos externos” (Jorion. el más difícil de todos los riesgos. que lleve a pérdidas económicas para la compañía. Por ejemplo. como por ejemplo una póliza sin firmar. una operación no registra. Cualquier discrepancia entre lo que <debe ser> y lo que <realmente es> produce la materialización de riesgo operativo. sistemas o personas internas. ninguna entidad puede medir con facilidad lo adecuado de los procesos o procedimientos de las tareas de los empleados. la realización de un seguimiento durante su vida hasta que son finalmente canceladas. y cuando ejecuta actividades de contabilización. Si se define el riesgo operativo como “el riesgo de pérdida resultante de inadecuados procesos. ya que éstos pueden fallar por factores externos al actuar de los empleados. mal manejo tecnológico. o cual la probabilidad de que a futuro realice fraudes). Por otro lado. Para el caso de una empresa comercial o industrial existe riesgo en la realización de un proceso. Las técnicas de medición de los riesgos operativos son tanto o más débiles que las técnicas empleadas para medición del riesgo de liquidez. Tales modelos incluyen dos conceptos. No se trata solo de identificar y mucho medir cuando una entidad se encuentra en riesgo por actuaciones mal intencionadas de los empleados (no es fácil medir cual es la probabilidad de que un empleado despilfarre fondos. 102 .” (Vilariño.2. cuando desconoce las intenciones de sus empleados (todas las compañías conocen el perfil de sus empleados en cierta proporción). pero más complejas que las anteriores. control y demás labores administrativas. cuando actúa como cobrador jurídico. financieras y no financieras se ven sometidas a este tipo de riesgo. Para el caso de una entidad financiera. Aproximadamente. página 537). aunque desconoce los factores externos que generan la falla de uno de los elementos del sistema. Todas las entidades. En este sentido el riesgo operacional puede ser medido con relativa facilidad. se puede adoptar una metodología similar e indagar la probabilidad de que un elemento del sistema organizacional falle. la entidad puede incurrir en pérdidas derivadas de equivocaciones de los empleados. procesos o sistemas. que en muchos casos puede llevar a pérdidas enormes y quiebras de compañías. y la severidad de la perdida una vez se ha obtenido una falla. El riesgo operativo nace en el desempeño de las funciones de los empleados de una entidad.

las variables exógenas serán aquellas que describan el perfil del sujeto (deudor o empleado). para el caso de riesgo de mercado. es una primera forma de lograr una aproximación al riesgo operativo. Se e tienen datos de to PY  1 X i   F Y . 2006. el análisis de series de tiempo sirve para el cálculo del comportamiento histórico de variables (precios) y sus volatilidades (Modelos ARIMA y GARCH). Gestión de riesGos financieros en el mercado de materia primas aGrícolas Yt   0   0 T    i Yt i    i  t i    i Di   t  t  N 0. o fallas en los sistemas. los resultados de un1modelo Logit y un Modelo Probit son sii i 1 i 1 milares a pesar de que emplean supuestos diferentes en cuanto a la distribución de los errores que actúan como componente aleatorio del modelo. Por ejemplo se quiere construir un modelo permita calcular la probabilidad de que un  cliente bancario Xi 1 al que se le acaba de otorgar un préstamo entre o no en mora. “Los modelos de elección binaria permiten el cálculo de probabilidad de ocurrencia de N un evento denotado por Yi condicionado al conjunto de información del conjunto de CL . El modelo descrito por la ecuación pretende calcular la probabilidad de que el cliente nuevo entre en mora dado que tiene un conjunto de características denotado por q ”. Por otro lado. i i 1  La ecuación [2] describe esta idea. la ecuación de un modelo Logit esta definida de acuerdo con la ecuación (3). 2006. Por limitaciones en la información o inexistencia de la misma.  * CE * 1  bi  variables X ”. Modelos Econométricos en Medición de Riesgos Para el caso del cálculo de las probabilidades de incumplimiento de las obligaciones financieras por parte de los deudores. En este sentido. se calculará el riesgo operativo valorado a precios de mercado como el resultado de multiplicar la probabilidad de falla de un elemento del sistema organizacional (los empleados) por la masa de activos de la entidad. Si bien esta es una medida muy básica porque desconoce la probabilidad de ocurrencia de eventos externos. Para la medición del riesgo de liquidez es útil el análisis de series de tiempo de largo plazo. Página 24) X P L De acuerdo con Roa. generalmente se emplean modelos de elección discreta Logit y Probit. De acuerdo con Roa. Por un lado los modelos de elección discreta se caracterizan porque la variable endógena toma valores que permiten clasificar a los individuos. Para ambos casos. (ROA. y valor de uno si otro cliente antiguo del banco ha entrado en mora. Páginai 24). ht  iid 103 . Igualmente. i 1 e 1  e Yi toma valor de cero si un cliente antiguo del banco nunca ha entrada en mora.En esta investigación se medirá la probabilidad de que se cometa una falla humana dentro de la organización de modo que se materialice en perdidas.6.    X i    X La variable  X i    dos los clientes del banco con las mismas y diferentes características. (ROA.  y   Pr y  1 x  (2) “Se debe tener en cuenta que Yi solo toma dos valores cero y uno. es posible emplear este tipo de modelos en la medición de riesgos operativos si se observa a un empleado y se le clasifica como empleado que incurrió en falla o no. 2. mediante metodologías de Cointegración de series como activos líquidos y pasivos de corto plazo.

 y   Pr y  1 x 

PY  1 X i   F Y ;    X i   

eXi 1  1  e X i  1  e X i  

(3)

La ecuación (3) se construye de modo que cualquiera sea el valor de los parámetros ( b i ) y el valor de las variables ( X i ), el valor de P(Y = 1 X i ) es un valor positivo menor a la unidad. Esto es válido Psi se tiene qen cuenta que la probabilidad por definición se L enmarca en tales   0 T    i Yt i modo, ilos imodelosDi elección discreta permitirán Yt   0 limites. De este     t     i de  t i 1 i 1 i 1 el cálculo de las probabilidades de unsuceso aleatorio representado por una variable dicotómica. En el presente capítulo se emplearán modelos de elección discreta para el cálculo de la probabilidad de incumplimiento de los pagos de las obligaciones financieras de los iid agricultores que tomancréditos, para la adquisición de insumos, de la entidad crediticia  t  N 0, ht representativa. Este será el método que realizará una aproximación a la medición del Riesgo de Crédito en la cartera de la entidad crediticia representativa. Igualmente, se empleará un modelo de elección discreta para el cálculo de la probaq bilidad de que un empleado2 de lapentidad crediticia representativa cometa una falla en N h  un procesoo i  Se ht i  0  la ejecuciónt de CL   i  t tarea. * i1explicará el hecho de que un empleado se equivo 1 i * CEi1  bi  i i que o no en función dei sus características personales. Como se afirmo anteriormente, 1 se realizará una aproximación al riesgo operativo de la entidad crediticia representativa por medio de un modelo de pérdida esperada dada la falla de un empleado en la ejecución de un proceso dentro de la estructura de la organización. 0 ˆ  2  los  Pr yq 1 series de tiempo se caracterizan por la modelación de ˆ Por otro lado,  yp modelos de x  ˆ variables a través   p    ptipo ARIMA. De acuerdo con Roa, 1 de estructuras ˆ
i 1 i 1

“El punto de partida de los modelos ARIMA es el supuesto de estacionariedad. Esto eX  1 significa que para cada modelo, existen unos errores ique se comportan como ruido  PY  1 X i   F Y ;    X i    Xi blanco, es decir, con media cero y varianza constante” (Roa, 2006,página 6). 1 e 1  e Xi 
q Un modelo típico de series de tiempo ARIMA se caracteriza por una ecuación del ˆ 1  p    p ˆ tipo (4) i 1 i 1

2  ˆ

0 ˆ

p

Yt   0   0 T    i Yt i    i  t i    i Di   t
i 1 i 1 i 1

P

q

L

(4)

104

El lado izquierdo 1 1 igualdad2representa el comportamiento de la serie en el moX t  1  de la X t 1   Yt 1    t mento t. En el lado derecho de la igualdad se tiene primero el componente constante iid del modelo, segundo la tendencia de la serie, tercero el comportamiento auto regresivo  t  cuarto de la serie (P rezagos),N 0, ht la parte de media móvil del modelo (q rezagos), quinto las variables instrumentales 1 X t 1   2Yt 1 variables Dummy), y finalmente el componente Yt   2   2  del modelo (L   t irregular del modelo. Generalmente los supuestos del modelo se realizan sobre los errores (componente q p irregular) del modelo. Cuando se 2cumplen los supuestos tradicionales del modelo, se ht   0    i  t i    i ht i dice que el modelo es adecuado para ila explicación del comportamiento de la serie. i 1 1 Igualmente, la estacionariedad de un modelo hace referencia al hecho de que la serie sea estable alrededor de un nivel. Esto implica que los parámetros del modelo cumplan ciertas condiciones que permitan la convergencia de la serie al nivel preestablecido.  ˆ Sin embargo, 2  los supuestos del modelo existe uno de difícil cumplimiento.  entre p 0 q ˆ La homocedasticidad hace referencia a la varianza constante de los errores del moˆ

1   p    p ˆ
i 1 i 1

 ˆ

delo. Cuando la varianza es no constante, las ecuaciones que se pretende expliquen el comportamiento de las series no son adecuadas. En este sentido, los modelos pierden relevancia. De acuerdo con Roa, para solucionar el anterior problema, se ha diseñado modelos que permite la explicación de la volatilidad de la serie. Dichos modelos, conocidos dentro de la familia de modelos GARCH, explican por un lado el comportamiento de la serie y por otro lado la volatilidad de la misma a través de un modelo de varianza condicionada. Las ecuaciones (4), (5) y (6) representan un modelo de heterocedasticidad condicionada.
ε t → N (0, ht )
ht = a 0 + ∑ a i ε
i =1 q 2 t −i
iid

(5)
p i =1

+ ∑ d i ht − i

(6)

La ecuación (5) muestra que la varianza del modelo no es una constante, ya que depende del tiempo (subíndice t de la variable h). Esto implica la presencia de heterocedasticidad en los errores del modelo. Sin embargo, la ecuación (6) condiciona el comportamiento de la heterocedasticidad a un modelo tipo ARIMA asociado a la varianza. La ecuación (6) muestra que la varianza en todo periodo t depende de una constante, de los errores cuadráticos rezagados en el tiempo y la varianza rezagada en el tiempo. De acuerdo con Vilariño, luego del desarrollo matemático de la ecuación es posible apreciar que “La varianza incondicional viene dada por la ecuación (7)” (Vilariño, 2001, página 163. las itálicas son propias).
ˆ s2 = ˆ a0 ˆ ˆ 1 − ∑a p − ∑ b p
i =1 i =1 p q

(7)

Cuando se le calcula la raíz cuadrada a de la varianza se obtiene la volatilidad. En este sentido la volatilidad de una serie esta dada por la ecuación (8).
ˆ s2 = ˆ a0 ˆ ˆ 1 − ∑a p − ∑ b p
i =1 i =1 p q

(8)

Como se afirmo anteriormente, el cálculo de modelo de serie de tiempo tipo ARIMA y GARCH será la base mediante la cual se estima el riesgo de mercado al que se ven sometidos los precios del arroz al productor en diferentes zonas a lo largo del país. Finalmente, los modelos de Cointegración pretenden explicar movimientos de largo plazo de las series. Cuando dos series se mueven en el mismo sentido y en la misma magnitud (incrementos o caídas de las dos series que concuerdan en magnitud y en largos periodos de tiempo), se dice que estás cointegradas. Las ecuaciones (9) y (10) permiten apreciar que dos series X t y Yt están cointegradas si ambas comparten un equilibrio de largo plaza dado por a i (b 1 X t −1 + b 2Yt −1 ) . Los valores µ1 y µ 2 representan las constantes de las series. Los coeficientes a 1 y a 2 representan las velocidades de ajuste de las series a su nivel de equilibrio de largo plazo en caso de que no se
Gestión de riesGos financieros en el mercado de materia primas aGrícolas

105

encuentren allí. Finalmente, cada una de las series esta explicada por un componente de error, como ya es tradicional.
X t = µ1 + a1 (b1 X t −1 + b 2Yt −1 ) + ε t

(9) (10)

Yt = µ 2 + a 2 (b1 X t −1 + b 2Yt −1 ) + ε t

Para el cálculo de estos modelos, la tradicional metodología de Johansen permite el cálculo del número de vectores de Cointegración por medio del rango de la matriz π = abt.TSi el rango de la matriz es 1, por ejemplo, existirá un equilibrio de largo plazo, a b y por lo tanto, las series estarán cointegradas mostrando que estas comparten similar comportamiento de largo plazo. Sin embargo, Roa señala que un requisito previo para la probar la existencia de relaciones de Cointegración o equilibrio de largo plazo de las series es la presencia de raíces unitarias en las series de tiempo analizadas. El método más popular para probar raíces unitarias es series de tiempo es el Dickey-Fuller. Este método evalúa la hipótesis nula de raíz unitaria en las series ( ρ = 0 = (φ − 1) ) en la ecuación (11) en su forma más básica, obtenida a partir de la diferenciación de la ecuación (4) para un modelo básico AR(1). Lo que se espera es que ( φ = 1 ) con el fin de probar la existencia de relaciones de largo plazo en las series. Adicionalmente, Roa señala que las dos series deben tener raíz unitaria para la adecuada realización de la prueba (Roa, 2006).

∆Yt = ρ *Yt −1 + ε t

(11)

En este documento se realizarán modelo de Cointegración para probar la hipótesis del riesgo de liquidez en su forma más elemental. Si las series de activos líquidos y pasivos de corto plazo de los últimos años están cointegradas, esto significa que existen activos que crecen a la misma tasa de los activo de corto plazo, de modo que en primera instancia se puede aprobar la hipótesis de baja probabilidad de riesgo de liquidez. Por el contrario, si las series no están cointegradas, las series no crecen a la misma tasa, razón que da un primer indicio de riesgo de liquidez. Como se discutió anteriormente, esta primera aproximación es un tanto débil, pero es una técnica existente de medición.

3. marco empÍrIco
3.1. Riesgo de Crédito – Modelo de Pérdida Esperada
Para la construcción del modelo se tomaron datos de 5.563 clientes de la cartera de la entidad crediticia representativa. La información fue clasificada o categorizada para su posterior tratamiento, de cuerdo con la información descrita en la tabla 1.

106

Variables utilizadas en el modelo – Riesgo de Crédito CÓDIGO X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 Y Z VARIABLE Créditos Obtenidos Género Edad Estrato Ocupación Ingresos Educación Estado Civil Personas a Cargo Calificación Bancaria Experiencia Específica Valor Agregado de Activos Morosidad Saldo de Cartera CARACTERÍSTICA Variable discreta que toma valores de 1 a 8 en la base de datos Variable dicotómica. Se tomaron todos esos créditos cuyos saldos a la fecha de corte oscilaban entre $1’000. 4=A. y valores de cero si el cliente no está en mora o lleva menos de 30 días en mora a 31 de octubre de 2006. 6=mayor 60 años Se contempla del estrato 1 al 6 Variable discreta definida así: 1=Agricultor. 4=Postgrados Variable discreta definida así: 1=Soltero. 4= entre 46y 60 millones. 1=Cliente en Mora En pesos Colombianos a 31 de Octubre de 2006 La base de datos permite observar que la cartera para los 5. 1=menor 18 años.563 clientes asciende a $18. 2=hombre Se categorizó la variable por rangos de edad. 4=Separado. por lo que se clasifico como cartera de micro créditos. el valor mínimo reportado en la cartera ascendía a $1´000. 2=entre 15 y 30 millones. 2=entre 1 y 2. 6=Otro Variable discreta que toma valores de 1 a 7 en la base de datos Variable discreta que toma valores de 1=D. De acuerdo con la información suministrada por los deudores Variable discreta definida así: 1=menos de un año. Cálculo de la probabilidad de incumplimiento: Se construye el modelo descrito por la ecuación (12). 6=más de 5 Variable discreta definida así: 1=Ninguna ó Primaria. 2=Secundaria. En este sentido. 5=entre 4 y 5.469 y el valor máximo asciende a $9´990. 3=entre 31 y 45 millones. no desde la fecha de desembolso del mismo. 3=entre 2 y 3. ya que no exceden los 25 SMLV.C 3=B. 1=menor SMLV.000. 3=26 a 35 años. 2=19 a 25 años.799 pesos colombianos a 31 de octubre de 2006. 4=otro Se categorizó la variable por rangos de ingresos mensuales. y en general fue posible aplicar los criterios de la cartera de microcrédito para este documento. 4= más de 11 años Variable discreta definida así: 1=Menos de 15 millones. P(Y = 1 X i ) = 1+ e 1 1 4   − b 0 + b i X i +ε i    i =3   ∑ (12) Gestión de riesGos financieros en el mercado de materia primas aGrícolas 107 . 5=Unión Libre. 3=Viudo.303´165.000 y $10’000. 4=entre 3 y 4.600.161 pesos colombianos. 2=entre 1 y 3 años. Toma valores de 1=mujer. 2=. 2=Casado. Los días de mora se empiezan a contar a partir de la fecha de corte del cultivo.Tabla 1. 3=entre 4 y 10 años. Toma valores de 0=Cliente Cumplido. si éste lleva 30 días ó más en mora. 5=46 a 60. La variable morosidad toma valores de 1 para un cliente. 4=36 a 45 años. por motivos de la vida productiva del cultivo. 5=más de 60 Millones Variable dicotómica. 3=Profesional. 3=Desempleado. 2=Empleado. La cartera promedio por agricultor es de $3´290.

372724 -1.224850 5209 354 Std.274337 -0.046171 z-Statistic -4. Se espera.239887 319. Esto implica que entre más años de experiencia en el sector y entre más educación tengan los deudores. la probabilidad de incumplimiento de las obligaciones financieras actuales disminuye (signo negativo del parámetro).462103 0.0326 0.294843 0.157869 -4.118011 0.452577 0. se encuentre en mora (Valor de 1).Binary Logit (Quadratic hill climbing) Included observations: 5563 Covariance matrix computed using second derivatives Variable CRÉDITOS EDAD OCUPACIÓN EDUCACIÓN ESTADO CIVIL CALIFICACIÓN EXPERIENCIA ACTIVOS Mean dependent var S.6673 -1250.044407 0.843 -0. entre más historia crediticia tengan los clientes (mayor número de créditos). mientras que los desempleados (agricultura ociosa) entran con mayor frecuencia en mora en las obligaciones financieras con la entidad crediticia representativa (signo positivo del parámetro). Las variables educación y años de experiencia específica tiene una relación inversa con la probabilidad de incumplimiento (signos negativos de los coeficientes). La tabla 2 muestra los resultados de la estimación.088514 -0. lo que significa que los clientes más jóvenes tienen un mayor interés en cumplir sus obligaciones con entidad crediticia representativa con el fin de tener una buena historia crediticia y así mantener créditos para el desarrollo del cultivo. Error 0.0000 0. De acuerdo con la tabla.E.063635 0. Resultados de la Estimación del Modelo – Riesgo de Crédito Dependent Variable: MOROSIDAD Method: ML .025925 0.D.386939 -6. la probabilidad de incumplimiento se incrementa (signo positivo de parámetro).044918 0.0309 0. Total obs 5563 Por otro lado. log likelihood Obs with Dep=0 Obs with Dep=1 Fuente: Construcción propia Coefficient -0.212229 -0.055867 0.0000 0.La ecuación (12) calcula la probabilidad de que un cliente i. Tabla 2. los agricultores y trabajadores asalariados tienen mayor probabilidad de cumplir con sus obligaciones financieras. menor es la probabilidad de incumplimiento. que los profesiona- 108 .551977 2.385913 Prob. Sin embargo.0530 0.136677 2.094883 0.135365 -0.798852 -2. se encuentra que entre más edad tengan los deudores. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.934664 -3.062738 0.455898 S.107217 -0. of regression Sum squared resid Log likelihood Avg.0001 0.045752 0. dadas sus características sociodemográficas (Xi).062731 0. 0.0000 0.0170 0.244123 0.

y por motivos de tradición Gestión de riesGos financieros en el mercado de materia primas aGrícolas 109 . las garantías reales por parte de los deudores. si en un momento la cosecha no presentó un ingreso razonable para cubrir las obligaciones financieras con la entidad crediticia representativa. Inversamente. razón por la cual. ésta asciende a $1. Provisiones teóricas de la entidad crediticia representativa Riesgo de Crédito Perdida Esperada 1% de la cartera bruta TOTAL $1. Tabla 3. En realidad hay entidades bancarias que enfrentan mayores riesgos de crédito. el agricultor puede disponer de otros activos para responder por la deuda.701 correspondientes al 6.701 $183´031. La variable calificación tiene signo negativo en respuesta a que los clientes que tienen mala calificación crediticia en bancos comerciales. se obtiene la pérdida esperada por cliente. las provisiones (en bancos). debería ascender al total de la pérdida esperada más el 1% de la cartera bruta.337´382. son clientes tradicionales que históricamente han hecho negocios con la entidad. Una variable fundamental en el análisis es el valor de los activos. La suma de las pérdidas esperadas por cliente genera la perdida esperada de la cartera. los clientes que tienen mejores calificaciones en el sistema financiero tienen menores probabilidades de incumplir las obligaciones financieras de la entidad crediticia representativa (signo negativo del parámetro). Esto implicaría una provisión total de $1.158 $1.359.31% de la cartera de la entidad crediticia representativa. En este sentido.154´350.154´350.359 En realidad el riesgo de crédito de la cartera de la entidad crediticia representativa esta alrededor de 6.34%. Provisiones por cliente y generales: La probabilidad media de que un cliente entre en mora es de 6. con un nivel de confianza de 95%. las provisiones de dicha entidad por este concepto debería ascender al 7. influyen de manera positiva en el pago de las obligaciones financieras de los agricultores. Para el caso del ejercicio. tienen una mayor probabilidad de incumplir con las obligaciones financieras de la entidad crediticia representativa. equivalentes al 7.34%. La entidad crediticia representativa tiene un menor riesgo de crédito. Cálculo de la pérdida esperada.31% de la cartera bruta.337´382. ya que entre mayor sea el valor de los activos del deudor. Esto se aprecia en la tabla 3. menor es la probabilidad de incumplimiento (signo negativo del parámetro).les y los agricultores de tradición tengan un buen hábito de pago de sus obligaciones financieras a razón de mantener vigentes sus posibilidades crediticias con las empresas del sector arrocero. Dado que la entidad crediticia representativa debe seguir los lineamientos de administración de riesgo de crédito que determina la Superintendencia Financiera de Colombia. Esto implica que. aunque exista o no prenda sobre el patrimonio. seguramente porque los clientes a pesar de verse sometidos a la venta de la cosecha. a corte del 31 de octubre de 2006.31% de la cartera bruta de la entidad crediticia representativa. Cuando se multiplica la probabilidad de incumplimiento de cada cliente por el monto de cartera que adeudan a la entidad crediticia representativa.

Equivalentemente. Se trabajan precios promedio mensual entre 1995 y 2005.06% 0. la ausencia de auto correlación (estadístico Durban-Watson 2. lo que lleva a mayores ganancias o pérdidas potenciales por movimientos del mercado.12% 0.77% 6.72% nacional. 3.03% 0. En este sentido.72% 3.13% (tabla 4 y gráfico 1). Sin embargo. siendo significativas al 95%.13). Cálculos propios La tabla 5 permite apreciar el modelo de volatilidad para la serie de precios del arroz paddy en Colombia. Para todas las series analizadas se encontró que las volatilidades de los precios de las materias primas (arroz paddy) se situaban alrededor de 0. y la ecuación principal cumplen condiciones de estacionariedad. En este sentido.36% 0.13% Fuente: Fedearroz. Cesar y Norte de Santander.2. el riesgo es bajo en términos probabilísticos. Igualmente. fue necesaria una transformación por aproximaciones de Taylor que permitieron la estacionariedad.71% 3. Recomendaciones derivadas del análisis: Las deudas que tienen los agricultores con la entidad crediticia representativa esta cercana a $18. La ecuación de varianza.90% 0. Meta.000´000.34% de probabilidad de incumplimiento). con volatilidades promedio de 3. Igualmente. pero con un mayor nivel de riesgo.71% 3.70% 3.72% 3. Riesgo de Mercado – Modelos de Volatilidad Para el cálculo de las volatilidades de los precios de las semillas comercializadas.77% 3. los precios en Cúcuta y Montería presentan mayores volatilidades relativas. se tomaron por separados las sedes de Tolima.000.10% 0. permiten observar lo adecuado del modelo.78% 4. los clientes con mayor tradición en el sector son aquellos que presentan menor probabilidad de incumplimiento de sus obligaciones financieras con la entidad crediticia representativa. La sostenibilidad de la deuda se debe en parte a que ésta se respalda con cartera de bajo riesgo (6. Tabla 4. se tomó el precio promedio ponderado nacional para Colombia.cumplen sus obligaciones crediticias. Por otro lado.24% 0. Córdoba. la entidad crediticia representativa puede cumplir con sus obligaciones financieras (a otros ahorradores) en respuesta al adecuado manejo de cartera y otorgamiento de créditos a los agricultores. Huila. 110 . Rentabilidad del precio del arroz paddy por regiones – Riesgo de Mercado Ibagué Espinal Neiva V/vicencio Montería Valledupar Cúcuta Colombia Rentabilidad Media Volatilidad 0. hecho que ha fortalecido la actividad de generación de liquidez de la entidad. Por motivos de estacionariedad de las series en el proceso de análisis estadístico. Esto implica que los agricultores dispongan de otros ingresos (diferentes a la actividad económica) para cubrir sus obligaciones financieras. una de las razones por las cuales el incumplimiento es bajo se debe a que los montos de deuda son pequeños.

233222 -0.707508 4. of regression Sum squared resid Log likelihood Fuente: Fedearroz.131419 Gestión de riesGos financieros en el mercado de materia primas aGrícolas 111 .02238 0.083734 292.051799 -3. Variance backcast: ON GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*RESID(-2)^2 + C(9)*RESID (-1)^2*(RESID(-1)<0) + C(10)*GARCH(-1) Coefficient AR(1) AR(6) MA(6) MA(7) MA(24) 0.Normal distribution MA backcast: 1993M02 1995M01.319220 0.0000 0.0000 0.062263 0. Cálculos propios Tabla 5.405188 0.956537 19.983448 7.0066 2. 0.0000 0.745775 -1.323213 0.270247 0.668414 Prob.306136 0.0002 0. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat 3.66E-05 0.D.899952 5.390828 -0. Resultados de la Estimación del Modelo – Riesgo de Mercado Dependent Variable: COLOMBIA Method: ML . 9.0000 0.0000 Variance Equation C RESID(-1)^2 RESID(-1)^2*(RESID(-1)<0) RESID(-2)^2 GARCH(-1) R-squared Adjusted R-squared S.099691 -6.062604 z-Statistic 6.0000 0.0402 0.63E-05 0.026984 0.007505 0.047366 Mean dependent var S.031587 -4. Cálculos propios.110493 0.053637 0.GráfiCo 1. Riesgo de Mercado Fuente: Fedearroz.0003 0.058723 0.617339 2. Error 0.064056 0.ARCH (Marquardt) . Rentabilidad del precio del arroz Paddy en Colombia.064073 0.285841 2.099338 0.512106 -4.480070 Std.901007 0.226709 -0.0504 0.E.194359 0.

Dado que no existe constante en la ecuación principal del modelo. el estado estacionario de la serie es cercano a cero. representa variaciones significativamente bajas ya que en ningún paso esta por encima del 3. tal y como se evidencia en la tabla 8.79%. Luego de realizar diversas pruebas de Cointegración entre las series se encuentra que existe una relación de Cointegración. la volatilidad del precio del arroz paddy. el modelo permite apreciar una volatilidad de la serie de 1. Por otro lado. En conclusión. entendidos como aquellos activos que se puede convertir fácilmente en dinero sin que el dinero pierda valor.13%. Riesgo de Liquidez. dado que el precio promedio nacional ponderado sigue un comportamiento similar. los activos de corto plazo se entienden como todos aquellas deudas que tienen como plazo máximo un año para su liquidación (proveedores. mientras que la volatilidad histórica de la serie tiene en cuenta la totalidad de los datos de la muestra. Las tablas 6 y 7 muestran los resultados de la prueba de raíz unitaria para las series analizadas.13%) y la pronosticada por el modelo (1. Es evidente que a pesar de que las series tengan diferentes niveles. la volatilidad ha tendido a reducirse. 3. las tasas de crecimiento son similares. Lo interesante del análisis radica en que para los años 1993. donde supera el 6%. Por lo anterior. etc. mientras que los pasivos de corto plazo han crecido 28. el comportamiento de las series es similar dado que crecen o decrecen en magnitudes similares en periodos de tiempo similares. 112 . Para el caso de ciudades. entre 1989 . La gráfica 2 muestra el comportamiento de los activos líquidos y los pasivos de corto plazo de la entidad crediticia representativa.3. Sin embargo. En conclusión. etc. radica en que la construcción de la volatilidad del modelo se realiza con datos de los últimos meses (rezagos recientes). En ambos casos. La diferencia entre la volatilidad histórica de la serie (3. 2000 y 2005 tanto los activos líquidos como los pasivos de corto plazo presentan una reducción similar. A este rubro pertenecen las cuantas bancarias. los bonos de corto plazo.) Al analizar los activos líquidos entre 1989 y 2005 se encuentra que la tasa de crecimiento promedio para el periodo es de 32.62% para el mismo periodo. la volatilidad de largo plazo del precio del arroz paddy es más alta que la volatilidad de corto plazo. por cualquiera de los dos métodos que se emplee. Esto implica que en la actualidad.46%. Modelos de Cointegración El análisis incluye activos líquidos de corto plazo. las acciones. deudas financieras de corto plazo. mientras que para el resto de años.79%). particularmente a partir de 1996 en adelante. minimizando el riesgo por variaciones en los precios. la volatilidad del precio es más alta en la ciudad de montería. administración y nomina. se tiene que las volatilidades de largo plazo son mayores que las de corto plazo. el estadístico Dickey-Fuller permite concluir que las series presentan raíz unitaria.2005 los activos líquidos y los pasivos de corto plazo de entidad crediticia representativa crecieron a la misma tasa. por otro lado.

las ecuaciones (9) y (10) se estimaron como aparece en (13) y (14). La tabla 8 muestra los resultados de la prueba de Cointegración. Prueba de Raíz Unitaria para los Activos – Riesgo de Liquidez Null Hypothesis: ACTIVOS has a unit root Lag Length: 0 (Automatic based on SIC. Diff ( Activos )t = 1.673459 Prob. Fuente: Entidad crediticia representativa.920350 -3.920350 -3. en el caso de la Organización Arrocera con actividades de crédito. Cálculos propios.065585 -2. Riesgo de Liquidez Fuente: Entidad crediticia representativa. Prueba de Raíz Unitaria para los Pasivos – Riesgo de Liquidez Null Hypothesis: PASIVOS has a unit root Lag Length: 0 (Automatic based on SIC. Igualmente.673459 Prob.947748 -3.566 Pasivost −1 ) + ε t De acuerdo con la tabla 8.065585 -2.635726 -3. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 113 . Cálculos propios. MAXLAG=3) t-Statistic Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level -0.072( Activost −1 − 1.886( Activost −1 − 1. Si se asume la definición más básica de riesgo de liquidez como las pérdidas potenciales en que puede incurrir una entidad por no contar con los activos líquidos suficientes para soportar los activos de corto plazo. Cálculos propios. Tabla 6.* 0. existe un vector de Cointegración lo que muestra que los activos y los pasivos comparten una senda de crecimiento homogénea a lo largo del tiempo.566 Pasivost −1 ) + ε t (13) (14) Diff (Pasivos )t = 2. MAXLAG=3) t-Statistic Augmented Dickey-Fuller test statistic Test critical values: 1% level 5% level 10% level -0.7449 Fuente: Entidad crediticia representativa. se observa que dicho riesgo esta ausente ya que ambas series crecen a tasas similares en el tiempo.GráfiCo 2: Activos y Pasivos de la entidad crediticia representativa.8361 Tabla 7.* 0.

072001 (0. Por otro lado. la presencia de un equilibrio se evidencia en el hecho de que ambas ecuaciones comparten dicho equilibrio ( Activost −1 − 1.20142 0.117265 0.0002 0.566623 (0.000000 PASIVOS -1.** 0. la ecuación muestra que tanto los activos como los pasivos rezagados un periodo afectan el comportamiento actual de las series. lo que implica que en la medida que crecen los pasivos del periodo (t − 1) .812181 0. Por otro lado.76310) 2. y al tener en cuenta el error estándar de los parámetros.7780 Trace test indicates 1 cointegrating eqn(s) at the 0.02234) Adjustment coefficients (standard error in parentheses) D(ACTIVOS) D(PASIVOS) 1.886254 (0. los pasivos del periodo anterior afectan negativamente los activos líquidos y los pasivos líquidos del periodo actual.Tabla 8: Prueba de Cointegración – Riesgo de Liquidez Trend assumption: No deterministic trend Series: ACTIVOS PASIVOS Unrestricted Cointegration Rank Test (Trace) Hypothesized No. 114 .0046 Normalized cointegrating coefficients (standard error in parentheses) ACTIVOS 1. ya que siempre existirá una tendencia a igualar la tasa de crecimiento de los activos líquidos a la tasa de crecimiento de los pasivos de corto plazo. tanto los activos como los pasivos del periodo t crecerán en la misma proporción.32090 4. los pasivos del periodo t decrecerán llevando en si mismo un decrecimiento de los activos líquidos en el periodo t (no se debe olvidar que las series se mueven en la misma dirección y proporción). Dado que existe un vector de Cointegración.007787 Trace Statistic 25. Este es el sentido de la ausencia de riesgo de liquidez.566 Pasivost −1 ) .05 level **MacKinnon-Haug-Michelis (1999) p-values 1 Cointegrating Equation(s): Log likelihood -531. Cálculos propios Las ecuaciones (13) y (14) representan las ecuaciones de Cointegración.05 Critical Value 12.59392) Fuente: Entidad crediticia representativa. El vector esta normalizado. Los activos del periodo anterior afectan positivamente a los activos líquidos del periodo actual y a los pasivos de corto plazo del periodo actual. lo que implica que en la medida que crecen los activos en el periodo (t − 1) .129906 Prob. es posible apreciar su significancia al 95%. of CE(s) None * At most 1 Eigenvalue 0.

000´000. el nivel educativo descrito por la tabla 9. Tabla 9. Se indago por la edad de 97 empleados que manejaban directamente recursos para la cartera agropecuaria a 31 de octubre de 2006. es posible apreciar que la entidad crediticia representativa tiene activos líquidos que soportan sus pasivos de corto plazo. El valor negativo Gestión de riesGos financieros en el mercado de materia primas aGrícolas 115 . se encontró que únicamente era significativa la variable años de experiencia. éstos retornan a la relación de equilibrio en 23 meses (1. el salario y se les pregunto si habían incurrido en algún tipo de falla en el desarrollo de sus actividades cotidianas dentro de la entidad crediticia representativa (olvido de alguna tarea. los años de experiencia dentro de la compañía. 2=Secundaria. lo que explica el hecho de que a pesar de que la entidad crediticia representativa tiene carteras significativas con los agricultores (cerca de $18. Con estas 5 preguntas se construyó la base de datos que permitió realizar el modelo aquí descrito. 5=Postgrados En años En miles de pesos a 2006 Variable dicotómica. Codificación de Variables – Riesgo Operativo Código X1 X2 X3 X4 Y Edad Educación Experiencia en la entidad crediticia representativa Ingresos Falla Variable En años cumplidos Variable discreta definida así: 1=Secundaria incompleta.07 años de velocidad de ajuste). mientras que cuando los pasivos se encuentran por fuera de la relación de equilibrio. ejecución inadecuada o incompleta de alguna tarea o error por fallas externas a su voluntad). 3=Universidad Incompleta. 1=Falla Operativa Característica Fuente: Entidad crediticia representativa. Riesgo Operativo – Modelos Discretos Para la medición del riesgo operativo se opto por construir una base de datos sencilla. pero ambos retornarán a la misma aunque los activos retornen con una rapidez relativamente mayor que los pasivos. Luego de realizar el modelo incluyendo todas las variables. Este hallazgo soporta la teoría de que el adecuado manejo del riesgo de crédito que realiza la entidad le permite controlar de manera directa el riesgo de liquidez. Cálculos propios. 4=Profesional.Cuando los activos se encuentran por fuera del equilibrio (vector de Cointegración). Particularmente.4. ésta decidan mantenerle los canales de crédito por considerarlos como un sujetos de crédito que le permiten tener un flujo de caja tal que es posible cubrir los pasivos de corto plazo. 3. Toma valores de 0=Ausencia de Falla.000). En términos generales. La probabilidad de incurrir en falla operacional depende de la antigüedad del empleado en la entidad. éstos tienden a dicho vector en 25 meses (2. La tabla 10 muestra los resultados de la regresión. la probabilidad de que un empleado de la entidad crediticia representativa incurra en fallas en la realización de sus labores cotidianas no depende de la edad.88 años de velocidad de ajuste). el nivel educativo o el salario que devenga. Lo anterior implica que en un periodo determinado los activos y los pasivos pueden alejarse de la senda de equilibrio.

0000 0.325952 85 12 Total obs 97 Std. La tabla 11 resume este hallazgo. Si se asume por ejemplo que a 2006 los activos de la entidad crediticia representativa ascendieron a $295`171. Lo anterior implica que los empleados de menor experiencia (2 años o menos) señalaron cometer errores en la ejecución de sus tareas. La probabilidad promedio de incurrir en fallas operacionales se sitúo alrededor de 15. el modelo se realizó con datos de una encuesta que puede presentar sesgos y errores. de liquidez o de mercado. no se tiene en cuenta la probabilidad de estafa que lleve a la entidad crediticia representativa a incurrir en perdidas por riesgo del factor humano.).562 (este es un valor teórico únicamente) y que la probabilidad de que un empleado incurra en falla operacional.E.53%. Resultados de la Regresión – Riesgo Operativo Dependent Variable: FALLA Method: ML . solo se tiene en cuenta riesgo por falla humana.D.498 Fuente: Entidad crediticia representativa. Tercero. Segundo.61738 -0.683256 Fuente: Entidad crediticia representativa. z-Statistic -4. Primero. 0.058596 S.330962 0. Cuantificación del Riesgo Operativo. Cálculos propios El riesgo operacional es una fuente de posible pérdida. Tabla 11. of regression Sum squared resid Log likelihood Avg.821872 Prob. desconociendo factores externos (sistemas. Sin embargo. es evidente que el mayor riesgo de la entidad obedece al riesgo operativo más que al riesgo de crédito.498 siempre que se defina como perdida esperada por riesgo operacional a la multiplicación del monto total de los activos por la probabilidad de falla humana. la probabilidad de que cometa errores en la ejecución de sus labores disminuye (signo negativo del parámetro). dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.282541 0. log likelihood Obs with Dep=0 Obs with Dep=1 Coefficient -0.672523 0. Activos 2005 $295`171.53% Perdida Esperada $45`849.706653 -31. la medida aquí construida es muy básica por varios motivos.Tabla 10. Sin embargo.699067 0. Cálculos propios del parámetro permite apreciar que en la medida que un empleado adquiere mayor experiencia en años dentro de la entidad.Binary Logit (Quadratic hill climbing) Included observations: 97 Covariance matrix computed using second derivatives Variable EXPER Mean dependent var S. la incipiente 116 . Error 0. el monto de los activos expuestos por motivo operacional asciende a $45`849. Si esta se toma como una medida del riesgo operacional. etc.562 Probabilidad Falla 15.317980 9.123711 0.

El cálculo de los riesgo financieros de la entidad muestra que existe una baja probabilidad de que los deudores incumplan sus obligaciones financieras (6. Sin embargo. señalando que la entidad está en riesgo operacional en escala media. Finalmente. 4.79% calculada por un modelo de volatilidad y 3. Al realizar el ejercicio empírico.34%). utilizando criterios de la Superintendencia Financiera de Colombia y del Global Association Risk Professionals. A lo largo del documento se puede apreciar que el riesgo nace de un proceso de incertidumbre. Igualmente. Este hecho hace que a pesar de que la cartera sea amplia (más de 18 mil millones de pesos). es un criterio clave que permite observar que la entidad crediticia representativa cuenta con el respaldo a sus deudas de corto plazo. Este nuevo hallazgo ratifica la conclusión de que la cartera arrocera que tiene la entidad crediticia representativa es de alta calidad por su bajo nivel de riesgo. Por otro lado. Al realizar los cálculos de volatilidad se encontró que la baja volatilidad de los precios de materias primas (1. Para el cálculo de riesgo de liquidez. Este procedimiento se realizó teniendo en cuenta las observaciones de Vilariño. se realizó el cálculo de la pérdida esperada. El cálculo de estas probabilidades permitió cuantificar el riesgo operacional de la entidad. llevando a la conclusión de que la probabilidad de falla humana en el desarrollo de tareas cotidianas esta alrededor del 15. por medio de modelos de volatilidad.13% la volatilidad histórica). siga siendo fuente de crédito del sector arrocero en Colombia. razón por la cual la continua inyectando liquidez a este sector. se encontró que la ausencia de riesgo de liquidez (activos líquidos y pasivos de corto plazo cointegrados).construcción de modelos de riesgo operacional no permite avanzar más allá de los cálculos básicos aquí presentados. en ningún caso sobre pasa el 3. razón por la cual se puede considerar que los ingresos operacionales de la entidad crediticia representativa son relativamente estables. La microeconomía cuenta con bases teóricas sólidas para el análisis de la incertidumbre en el análisis de la toma de decisiones humanas. y la estadística provee Gestión de riesGos financieros en el mercado de materia primas aGrícolas 117 . se utilizó el método de Cointegración de activos líquidos y pasivos de corto plazo para evaluar la hipótesis de ausencia de riesgo de liquidez en escenarios de Cointegración de las series. Por medio de modelos econométricos se obtuvo la medida de probabilidad de incumplimiento de las obligaciones financieras de los deudores de la entidad. los cálculos del riesgo operacional son básicos en respuesta a que la teoría aún es incipiente. se cuantificó el riesgo operacional con un modelo de elección discreta que permitía calcular la probabilidad de error humano en la realización de tareas propias de las divisiones de otorgamiento y seguimiento de créditos de la entidad crediticia representativa que llevaran a pérdidas potenciales. y dentro de este a la sector arrocero. ya que la estabilidad de ingresos de los productores tradicionales se traduce en estabilidad para la entidad crediticia. se cuantificó el riesgo de mercado derivado de la comercialización de del arroz paddy.13%.53%.conclusIones En esta investigación se cuantificaron los riesgos financieros de una entidad crediticia representativa que otorga créditos al sector agropecuario.

. Angel (2001).440. Primera edición. Memorias sin publicar. Aplicaciones y métodos”. Página 1. A. Conceptos básicos y aplicaciones”. Wiley – John Wiley & Son.. Inc. “Un curso en teoría de juegos clásica”. McGraw-Hill. NICHOLSON. Pearson Educación S. Página 165. JORION. ROA P.las herramientas necesarias para su cuantificación.18. Julián (2004). Universidad Nacional de Colombia y Universidad Externado de Colombia. Pages 391. 161 – 171 y 275 – 280. Páginas 3-40. “Probabilidad y estadística. Financial Times – Prentice Hall. la identificación. Sergio & ARÉVALO. “Notas practicas de Econometría”.. Bogotá. “Turbulencias Financieras y Riesgos de Mercado”. McGraw-Hill. Página 28. y aunque sus construcciones teóricas se han desarrollado ampliamente durante los últimos años. Sexta edición. España. “Teoría Microeconómica. Madrid. medición y control de riesgos financieros son campos relativamente nuevos. existe la probabilidad estadística de incurrir en pérdida o ganancias potenciales no anticipadas. aun existe un amplio campo de investigación. Páginas 1. Walter (1997). John (2006). biblioGrafía CANVOS. Cuando no se conoce la realización de un evento futuro. “Financial Risk Manager Handbook”. New Jersey. George (1988). Second Edition. Abril de 2006. Philippe (2003). 118 . Unidad de Estudios e Interacciones Económicas. Sin embargo. Bogotá. España. VILARIÑO S. MONSALVE. Global Associations Risk Professionals –GARP-. México.

El diseño y modelación de la opción propuesta se realiza por medio de una aplicación matemática en Excel que permite determinar el precio teórico de la prima con base en modelos usados en el mercado. a través de opciones.Instrumentos fInancIeros para el mercado del arroz blanco en colombIa capÍtulo 4. Carolina Cardozo Carvajal Andrés Feipe Jiménez Cortés John Jairo Roa Prieto RESUMEN l presente capitulo expone la factibilidad de desarrollar un mercado organizado para el arroz blanco en Colombia. E Gestión de riesGos financieros en el mercado de materia primas aGrícolas 119 . El texto plantea las herramientas necesarias para la realización de este tipo de instrumentos financieros y las características que deben contemplar en el desarrollo de un mercado organizado en el país para su ejecución exitosa.

throught the options. Instrumentos Derivados. White rice market in Colombia. modelo de valoración Black-Scholes-Merton. The text sets out the required tools for carrying out of this kind of financial instruments and the characteristics that should contemplate the development of an organized market in the country for successful execution.ABSTRACT The present chapter put forward the possible way to develop an organized market for the white rice in Colombia. Price volatility CLASIFICACIÓN JEL: G12. assesment model Black-Scholes-Merton. volatilidad de precios. 120 . G15. KEY WORDS: Future Market. mercado de arroz blanco en Colombia. Derivative instruments. Q14. The design and the model of proposal option is done throught a mathematical application in Excel that allows establish the theorical option price according to the models used in the market PALABRAS CLAVE: Mercado a plazo.

1. fundamentacIón teórIca 2. el sector arrocero es importante para el gobierno. lo que no expresa la realidad de la demanda y oferta de un bien. Por este motivo. IntroduccIon El mercado de materias primas agrícolas está expuesto a continuas especulaciones por las condiciones de mercado. “es un mercaGestión de riesGos financieros en el mercado de materia primas aGrícolas 121 . se caracteriza particularmente por tener una estructura de oligopolio.1. Sin embargo. es decir. entre otras. el mercado de productos agrícolas es un sector crítico en el proceso de integración comercial mundial. 1). con anterioridad. En este sentido. A causa de la entrada de nuevos retos comerciales. en términos de empleo y desarrollo del sector rural. Igualmente. la protección que se le otorga al productor por medio de subsidios gubernamentales no es del todo confiable para solucionar el riesgo de precio. y eventualmente ayudar a mitigar circunstancias adversas del clima. se logra: • • • Disminución del riesgo de mercado Precios estandarizados. es indispensable que todos los sectores productores de materias primas agrícolas dispongan de instrumentos financieros que les permitan enfrentar las circunstancias adversas del mercado. no se transa con el precio óptimo. 2. Debido a esta estructura y circunstancia en la que se desenvuelve el sector arrocero. lo que dificulta la generación de instrumentos para una determinación del precio real. 2003 Pág. El mercado agrícola del arroz en Colombia. minimizando el riesgo de grandes movimientos en los precios. la creciente competencia y los permanentes cambios climáticos. por factores como la seguridad alimentaria. Si se utiliza instrumentos financieros para mitigar el riesgo. Teoría de Mercados a Plazo el mercado a plazo también es conocido como mercado de derivados y esta definido como “Un mercado donde individuos comercializan contratos estandarizados que han sido definidos en el momento del intercambio” (HULL. lo cual puede ocasionar perdidas a los productores. lo cual disminuye la volatilidad Comprar. Dado que el arroz colombiano carece de instrumentos que mitiguen el riesgo de mercado. a nivel internacional. Además este proyecto también responde a la necesidad de ajustes en los cambios en la internacionalización de los mercados financieros. es decir. con el fin de proveer métodos para minimizar el riesgo en situaciones de escasez o bonanza de producción. es primordial prepararlo con el fin de poder ser competitivo en términos de precio. del consumo. del clima y la competencia. el arroz con características definidas El presente capítulo pretende evaluar la factibilidad de implementar las opciones como derivado financiero para el mercado del arroz en Colombia. el sector agrícola debería contar con instrumentos de protección efectivos para derivar los beneficios del proceso de integración de los mercados y liberalización de los mismos. la inflación agrícola. y su vulnerabilidad social en términos de generación de empleo e ingresos al sector rural.

(HULL. El interés de estos participantes es no estar expuestos a vender su producto en escenarios de precio muy bajo. a pesar de los comportamientos anteriormente mencionados. o según términos de Hull “speculators wish take a position in the market. 2. 2003. Atomización de la oferta Un gran mercado disponible en términos de operaciones Sin embargo. En otras palabras. aquellos productos genéricos los cuales no se diferencian entre si (ECONLINK. para lograr establecer un ambiente propicio para los futuros. Participantes del Mercado a Plazo Hedger Este tipo de participante es aquel al cual le interesa cubrirse del riesgo. en una fecha futura. en donde se reunían los granjeros americanos para intercambiar sus cosechas. y a medida que pasa el tiempo los contratos a futuros son desarrollados con base en la practica del mercado a contado. Estos mercados se han desarrollado como evolución de transacciones en el tiempo real. en donde las transacciones se ejecutan en el momento de la negociación. “they want to avoid an exposure to adverse movements in the price of an asset” (HULL. Según Kozikowsky la especulación puede ser definida como una apuesta sobre la variación de los precios 122 . el mercado debe mostrar una serie de comportamientos determinados por: • • • Oferta y demanda inciertas en el tiempo. 11). la volatilidad en los precios del activo es la variable fundamental para el desarrollo del mercado a plazo. Pág. Estos participantes se protegen de movimientos en los precios comprando un contrato a futuro el cual les permite saber con certeza el precio al cual van a vender su mercancía. Según Gutiérrez. un numero determinado de un bien a un valor que se fija en el momento de la negociación” (BOLSA DE SANTIAGO). 2007).2. de acuerdo a Hull a mediados del siglo XIX. la evolución de la transacción clásica de operaciones de compra y venta comienzan a establecer cantidades y calidad de la mercancía.do en el cual se negocian contratos. inicialmente establecieron cantidades y calidades de los granos y luego los contratos a plazo para commodities. o mercado al contado. 2003 Pág. es decir. Para comercializar en un tiempo futuro se utilizan contratos en donde se establece el precio y la fecha a la cual se intercambiara la mercancía. y esa oscilación debe ser percibida por los agentes como perjudicial” (GUTIERREZ. estipulan que las partes se comprometen a comprar o vender. 2004). Este esquema se puede evidenciar en los orígenes de la bolsa de Chicago. ya que “cuando mas alto es el valor de su stock mayor será el riesgo al cual estará expuesto” (ENETSPECULATION) Especuladores Este tipo de participante es aquel que busca anticipar los cambios en el precio y obtener una ganancia de la posterior venta (PÉREZ BARBEITO. 2007). 12). esto implica que “el precio debe oscilar por oferta y demanda. en otras palabras. Either they are betting that the price will go up or they are betting that it will go down”.

y se caracteriza porque las negociaciones se hacen de manera directa y los contratos son hechos según las necesidades del cliente. (KOZIKOWSKY. debido a la seguridad de la transacción que genera pago de comisiones. El mercado organizado: Es el mercado donde se transan contratos estandarizados que han sido establecidos por la bolsa (Hull.” (LAVIN M. Ventajas y Desventajas de Mercado a Plazos Ventajas Según Gómez.4. es decir. A diferencia del mercado regulado. Pág. y no usa fondos propios para la transacción pues vende antes de liquidar la compra. el riesgo de contraparte se disminuye debido a la presencia de instituciones que velan por la seguridad del proceso. Por otro lado. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 123 . dado el caso de que la expectativa se cumpla el especulador tiene ganancia. • El mercado OTC: Es el lugar donde “se operan acciones de compañías que por no cumplir los requisitos necesarios para cotizar no entran en los mercados oficiales.83).2002). en donde no existe una publicación de los precios de transacción. El mercado organizado los participantes incurren en costos y en algunos casos menores utilidades que en el OTC. de manera indirecta los arbitradores ayudan a un mercado a aterrizar sus precios a la realidad. 2000) Arbitradores El arbitrador según Hull. de esta manera se generan operaciones a precio superior o inferior al que se estipula en el mercado. si ocurren variaciones desfavorables para el inversionista.futuros. • 2. En la medida que los precios son conocidos en tiempo real. lo que por ende solo le deja al arbitrador la diferencia de la venta con la compra” (Kozikowsky 2000. los instrumentos financieros hacen que el inversionista tenga una cobertura. es el lugar en donde se negocian activos de empresas que no se encuentran certificadas por las bolsas nacionales. cada parte debe encontrar su contrapartida. o por medio del mercado Over-The-Counter (OTC). es aquella persona que busca beneficio en los desequilibrios que existen en dos o mas mercados (HULL. pues ellos consiguen un activo a un menor precio en un mercado y lo negocian en otro donde sea más alto su precio1. 2005). y en este tipo de mercado no existen tantos requisitos para hacer viable la operación. de lo contrario obtendrá perdida. puede minimi1 “A diferencia de la especulación el arbitrador no corre ningún riesgo pues el compra y vende en el mismo instante que empieza la transacción. igualan los precios en las dos economías en donde los arbitradores participan. De otra manera. Clasificación del Mercado a Plazo En el mercado a plazo existen dos maneras de negociar: bajo el mercado regularizado (las bolsas). o mejor dicho. se presenta una menor distorsión de los mismos en comparación con el mercado OTC. Además de obtener ganancias a costa de las variaciones en los mercados.3. Esto quiere decir que las oscilaciones en los precios de diferentes mercados son aprovechados por estas personas. 2. 2003).

generadas por el incumplimiento de instituciones. Es decir. El texto de “Option. Riesgo de cobertura: es el riesgo de que un operador no pueda cubrir sus posiciones. el precio del forward aumentara. por lo cual. 2007). el precio de los futuros caerá.zar esas variaciones utilizando derivados financieros. se ajustan a las necesidades de las con- 124 . Mitigar el riesgo ya que el inversionista se ve obligado a negociar en el mercado OTC en donde se pueden formar precios bajos en el futuro. este instrumento esta definido según Hull como “is a particularly simple derivate. Ahora. 2003. Forward Este instrumento es el clásico de los derivados. los cuales le permiten al inversionistas pactar un precio previamente acordado lo que le genera mayor confianza sobre sus ingresos futuros (GÓMEZ. 2). 2001). los participantes estarán interesados en adquirir el bien. Teoría de Instrumentos Derivados 2. así los productores reciben mayores ganancias.1. 23). 2003. dado que no puede venderlos o comprarlos por falta de liquidez del mercado. Futures and other derivates” de John Hull.5. este aumento de precio se da con miras a la igualación con el precio del mercado regularizado. es decir que no tenga la capacidad de cumplir con sus contratos. porque se derivan los demás. Pág. lo que provocaría que no se pudieran efectuar contratos a plazo. y durante ese proceso el precio tiende a subir (HULL. (KOZIKOWSKY. en otros términos. Es decir.. se genera una oportunidad de arbitraje. Fortalece el precio base de los productores aumentando el precio de venta (CHICAGO BOARD OF TRADE.5. dado que en el evento que el precio futuro sea más alto que el precio “Spot”. it is an agreement to buy or sell an asset at a certain future time for a certain price” (HULL. 2000). Por otro lado. se hace referencia a las siguiente característica en los forward: • Un contrato forward es comercializado en el mercado OTC. En la medida que el riesgo político sea más alto. Desventajas Según Kozikowsky en el mercado a plazo se encuentran tres tipos de riesgo: • • Riesgo sistémico: es aquel que se presenta cuando existen efectos de contagio o crisis financieras mundiales. Pág. Riesgo político: generado cuando los gobiernos de los países aplican restricciones al movimiento de capital. donde el precio spot tiende a converger al precio del futuro. Por un lado esto se debe al fenómeno mencionado por Hull. por lo que encontrarían atractivo ingresar en los contratos de futuros. el fundamento de todos los instrumentos derivados es el mismo forward. • 2. es un contrato escrito en el cual se acuerda la compra o venta de un producto en una fecha futura acordada. y esperarían el vencimiento de las opciones. suponiendo que los precios futuros están por debajo del precio actual durante el periodo que vence el contrato. los contratos forward no son estandarizados.

ya que estos últimos generan obligación de realizar una transacción mientras que la opción ofrece la posibilidad de no ejercer la posición. En una definición precisa Kozikowsky sostiene que “es un derecho que confiere al comprador el derecho. y los contratos ya no los guardan hasta que se cumpla la fecha de vencimiento para el intercambio. precio del ejercicio (K) este hace referencia al precio estipulado en el contrato. Las opciones transadas en bolsa se liquidan a través de cámaras de compensación. Características de las opciones • Las variables de una opción son: precio al contado del activo subyacente. 2003. según las circunstancias del mercado. y aquella que da el derecho a vender “put option”.5. de forma que el comprador ni el vendedor se encuentran directamente (KOZIKOWSKY. Por un lado las Opciones Americanas. como el derecho de comprar o vender un bien en el futuro (HULL. 2000. Pág. se pueden negociar o liquidar en cualquier momento durante la vigencia del contrato. también se encuentra una clasificación en términos de fecha de ejercicio. Pág. terminan especulando sobre el precio de los bienes. La prima. de comprar o vender una cantidad determinada a un a fecha determinada”. es decir.2.trapartes. los “hedger” terminan siendo “especuladores”. en el texto de “Finanzas Internacionales” de Kozikowsky. en la medida que las personas que inicialmente buscan cubrirse del riesgo. (KOZIKOWSKY. 2) Por otro lado. • Tipos de opciones: • Existen dos tipos básicos de opciones. se describen otras características de este instrumento: • Pueden ser utilizados como instrumentos de especulación. pero no la obligación. 2. En ese sentido. (HULL. sino por el contrario comienzan a comprarlos y venderlos antes de la fecha de vencimiento para beneficiarse de las expectativas del mercado. no requieren exigencias en la medida que no hay una institución que evalué las capacidades de las partes. que son las más costosas. Opciones Una opción es definida según Hull.2000). las opciones tienen una diferencia fundamental con los forward. puede estar definida como un seguro que respalda el cumplimiento del contrato (KOZIKOWSKY. aquella que da el derecho a comprar “call option”. que se refiere al precio de la opción. Por otro lado Gestión de riesGos financieros en el mercado de materia primas aGrícolas 125 . 2000). que se paga al firmar el contrato. 157) Este derecho tiene un costo que es conocido como la prima o costo de la opción. 2000). Clasificación por fecha de ejercicio: • Dentro de las opciones de compra y venta o Call y Put respectivamente.

es decir. se pueden dividir los rendimientos en tres clases: o o At the Money: donde el precio de ejercicio es igual al precio del mercado In the Money: en la cual se generan ganancias.2000. que son interesantes para cualquier persona. 157). ya que el precio de ejercicio es menor que el precio del mercado. (KOZIKOWSKY.2. cuando se tranzan varios contratos de opciones en el mercado es posible encontrar otras oportunidades de negocio. Out of the Money: se da cuando el precio de ejercicio de la opción genera pérdidas en comparación con los precios del mercado spot. oso (bear spread). Las estrategias mas extendidas son las toro (bull spread).5. 2000). mercancía o indices bursartiles. Pág. para los actores denominados Hedger o quienes buscan cobertura. pero esta última le ofrece un precio de ejercicio más atractivo que la posee. 2000). vende la opción que tiene y 126 . 6). 187). Pág. Sin embargo. Precio: • Desde el punto de vista de los precios de las opciones. Estrategia Toro (Bull Spread) Esta estrategia de cobertura esta dirigida para aquellos que tienen opciones call y que creen que el precio va a tener una tendencia alcista. “Para cada fecha de vencimiento existen diferentes precios del ejercicio” (KOZIKOWSKY. 2. En el caso de la opción Put.1 estrategias de cobertura con opciones Hasta ahora se ha mencionado la cobertura que puede encontrar un actor del mercado arrocero adquiriendo una sola opción. Pag. Bull define estas estrategias como “Estrategias que involucran tomar posiciones en dos o mas opciones de el mismo tipo” (Bull. mariposas (butterfly spread) y combinadas como la cóndor por ejemplo. 2000. se generan ganancias si el precio del ejercicio es mayor que el precio de mercado o spot. es decir. en ese sentido tienen una prima menor en comparación con las opciones americanas. en tanto que tiene una prima mas costosa. independientemente que sean actores directos del mercado arrocero o no. en el caso de la opción Call. (KOZIKOWSKY. En esa medida. de divisas. Este tipo de actores pueden ejercer estrategias toro cuando tienen una opción que vence el día t. 2000.• están las Opciones Europeas que solo se pueden ejercer en la fecha estipulada en el contrato. o • Las opciones son transadas en el mercado OTC y en el mercado regularizado (HULL. y encuentran otra que vence el mismo día que la primera. Estas estrategias de cobertura son populares en cualquier tipo de opción. Para los que tienen la opción put la expectativa sobre el precio es bajista.

encuentra en el mercado una opción que igualmente vence el 01-Feb-2010 pero con un precio de ejercicio de 90. En ese sentido. un actor que tiene una opción call que vence el 01-Feb-2010 con un precio de ejercicio de 100. Para el caso del participante que tenga opciones put. la expectativa es que los precios tenderán a subir. Se puede apreciar el ejercicio de una manera sencilla la estrategia toro en el cuadro 1. Operación Toro con put y call. 2000). si se ejerce una estrategia oso con opciones put. encuentra en el mercado una opción que igualmente vence el 01-Feb-2010 pero con un precio de ejercicio de $100. Cuadro 1. Esta estrategia se puede tomar cuando se encuentran dos opciones que vencen el mismo día. en la medida que perciben que los precios no tenderán a tener un comportamiento adverso a sus expectativas de riesgo. pero tienen precios de ejercicio diferentes. esta estrategia requiere una inversión inicial (Hull. Esta estrategia no requiere una inversión inicial (Hull. es decir. obviamente tiene una prima costosa que cuesta $5. Un participante ejecuta este tipo de estrategia cuando compra una opción con una prima menor a la opción que vende.compra otra opción con una prima más costosa. un actor que tiene una opción call que vence el 01-Feb-2010 con un precio de ejercicio de $80. en tanto que obtiene una ganancia por la diferencia de precio entre las primas. este tiene una opción que vence el 01-Feb-2010. su expectativa es que el precio tienda a subir en el futuro. tenderá a la baja para el caso de hacer la estrategias con put. La expectativa de los actores que tienen call y deciden ejecutar esta estrategia es que los precios van a bajar. En esa medida vende la opción que posee en $3 y compra una que le ofrece mejor cobertura y. Dado que decide pagar un poco más por cobertura. En tanto que el actor cree que PUT Gestión de riesGos financieros en el mercado de materia primas aGrícolas 127 . Por ejemplo. encuentra una opción que vence el 01-Feb-2010. es decir. por lo tanto los actores tienen una posición corta en el mercado. la expectativa de los actores que deciden desarrollar esta estrategia es que los precios en el futuro o al menos hasta la fecha de vencimiento de las opciones. En la medida que el actor cree que los precios van a subir. Tipo Opción CALL Transacción compra Vende compra Vende Día vencimiento 01-Feb-10 01-Feb-10 01-Feb-10 01-Feb-10 Precio Ejercicio $ 90 $ 100 $ 110 $ 100 Prima $5 $3 $5 $3 Fuente: Construcción propia. Por ejemplo. prefiere comprar una opción más costosa pero que le ofrezca mejor precio de ejercicio. pero en el caso de un actor que tenga opciones call. que el precio ofrecerá escenarios de poco riesgo. no tienen interés en buscar coberturas por variaciones en el precio. con un precio de ejercicio de 100. en tanto que las primas son diferentes. de manera que tiene una posición larga en el mercado. pero con un precio de ejercicio de $110. 2000). Estrategia Oso (Bear Spread) La estrategia oso esta dirigida para aquellos actores que buscan tener ganancias con la compra y venta de opciones.

Estrategia Mariposa (Butterfly Spread) Esta estrategia se puede crear cuando se toma posición con tres opciones con precios diferentes pero con una fecha de vencimiento igual (Hull. 128 PUT PUT . una con una prima de $5 y otra con una prima de $3. Cuando se ejecuta la estrategia con opciones put. con un precio de ejercicio de $100. en el momento que adquiere las dos opciones del mismo tipo (Call) vende dos opciones con un precio intermedio. se compran dos put con una fecha de vencimiento igual. Se puede apreciar el ejercicio de una manera sencilla la estrategia toro en el cuadro 2. dos nuevas call con un precio de ejercicio de $ 90 (el intermedio entre el precio de la primera call $100 y la segunda call $80). se compra una opción call con un precio de ejercicio de $100 y una prima de $3.6 Fuente: Construcción propia. también se compra otra opción con un precio de ejercicio de $80 con una prima de $5. Tipo Opción CALL Transacción compra Vende compra Vende Día vencimiento 01-Feb-10 01-Feb-10 01-Feb-10 01-Feb-10 Precio Ejercicio $ 100 $ 80 $ 80 $ 100 Prima $3 $5 $3 $5 Fuente: Construcción propia. Esta estrategia se puede crear cuando se compran dos call y se venden dos call con un precio de ejercicio intermedio.5 $5 $3 $ 4. Operación Mariposa Comprada con call y put. Tipo Opción CALL Transacción Compra Call1 Compra Call2 Vende 2 Call Compra Put 1 Compra Put 2 Vende 2 Put Día vencimiento 01-Feb-10 01-Feb-10 01-Feb-10 01-Feb-10 01-Feb-10 01-Feb-10 Precio Ejercicio $ 100 $ 80 $ 90 $ 100 $ 80 $ 90 Prima $3 $5 $ 4. Operación Oso con put y call. con una prima intermedia de $4. De acuerdo con Hull. es decir. 2000). Cuadro 2. obviamente tiene un valor menor. este tiene una opción que vence el 01-Feb-2010. en tanto que vende una tercera con un precio de ejercicio y prima intermedio. 2000. prefiere comprar una opción más barata que tiene una cobertura prudente. Dado que considera que los precios tenderán a subir. Por ejemplo. pero con un precio de ejercicio de $80. Este ejercicio se puede evidenciar en le cuadro 3. en este caso que cuesta $3.los precios van a bajar. encuentra una opción que vence el 01-Feb-2010. vende la opción que tiene en $5 y compra una que le ofrece una cobertura menor y. esta estrategia es apropiada para aquel inversor que cree que los movimientos bruscos en los precios no son poco probables (Hull. Pág. 191). Cuadro 3. Para el caso del participante que tenga opciones put.

pero si el precio está entre 90 y 100. la estrategia strip consiste en esperar que los precios suban. en otras palabras. la ganancia está dada por la diferencie entre el precio de mercado y el precio de ejercicio de la primera Call. Strips and straps. (Santabolsa. se genera una perdida. La estrategia strap consiste en esperar que el precio suba. en ese sentido se perderá el pago por las primas. En esa medida. Para ello. es decir. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 129 . de manera que. o tener posición larga con dos opciones call y una opción put con precio de ejercicio y vencimiento igual. Ahora bien. las cuales se ejecutan en un solo día. Es importante mencionar que esta estrategia busca limitar la pérdida. bruscos o grandes en el mercado. 2000). Strips y Straps Según Hull. vender 2 call. adquiere una call y una put con un precio de ejercicio de $100 y una prima de $3 y $5 respectivamente. tener una posición larga con una opción call y dos opciones put con el mismo precio de ejercicio (Hull. por medio de cuatro transacciones. con un tipo de opción igual. Estrategia Cóndor Esta estrategia está dirigida a aquellas personas que no tienen expectativas de cambios inciertos en los precios. 2007). Estrategias Combinadas Estas estrategias permiten tomar posiciones con opciones de diferente tipo. Estas estrategias están dirigidas para aquellos que consideran que los precios tendrán cambios inciertos. la estrategia se crea cuando se compran dos call con un precio de ejercicio diferente y se venden otras dos call con precios de ejercicio diferentes. son: Straddles. El peor escenario que puede tener alguien que ejecute esta estrategia es que los precios del futuro sean los mismos que los del ejercicio. En esta medida. la segunda operación para llevar a cabo esta estrategia es. 195). la estrategia de mariposa y cóndor se acomodan a mercados volátiles. (Hull. En el ejemplo particular si el precio de mercado a futuro de la Call es menor a 80. 2000. en tanto que si el precio futuro es menor a 90 obtendrá la ganancia de haber realizado la operación. put y call pero con una fecha de vencimiento igual. Esta expectativa se puede generar cuando se sabe que va vender o comprar una compañía. en tanto que para ello esta dispuesto a sacrificar una ganancia ilimitada.En este caso el cuadro 3 muestra una Mariposa Comprada. en donde una es OTM cercana a ser ATM (At The Money) es decir que quede en punto de equilibrio y la otra call es ITM que tiende a ser ATM. una de estas opciones genera una perdida debido a que esta OTM (Out the Money) y la otra genera ganancias ya que esta ITM (In the Money). Estrategia Straddle Esta estrategia permite la compra de una call y una put con la misma fecha de vencimiento y precios iguales. se compran dos opciones call. Las más conocidas. en el caso de las acciones. se compran 2 opciones hoy para venderlas en el futuro con un precio intermedio. Pág.

Desde entonces el modelo ha tenido gran acogida en los mercados para valorar derivados financieros. de manera que una función puede tener varios resultados posibles. . y sostiene que el movimiento de una partícula es independiente a su posición anterior.2.5. Myron Scholes y Robert Merton. En este caso. sino un rango. Esto genera una seria limitación 2 130 El mercado primario se refiere a aquel en donde se colocan por primera vez los contratos.2. El modelo se basa en el movimiento Browniano geométrico. Tanto así. El cálculo estocástico también implica que una función no tiene un resultado exacto o discreto. Según Bradley el modelo tiene los siguientes postulados: • Los activos no pagan dividendos durante la vida de la opción: las compañías pagan dividendos a sus accionistas. Ventajas de opciones bursátiles • • • Tamaño relativamente pequeño de un contrato Estandarización de los contratos Existencia de un mercado secundario activo2 2. ya que el precio de las primas es más alto cuando tienen un vencimiento mayor. por lo que hay mayor cantidad de compradores y vendedores. en 1973 cuando apareció publicado por primera vez en el Journal of Political Economy. -mientras que el secundario tranza con títulos ya emitidos. El modelo es una aplicación del cálculo estocástico. Esta operación se puede crear comprando una opción con vencimiento largo y vendiendo una opción de vencimiento corto. el cual intenta explicar el movimiento de las partículas de polen. pero es incierto si será a la baja o al alza.Strangles Según Hull. la operación consiste en comprar una opción put y una opción call con la misma fecha de vencimiento y diferentes precios de ejercicio. fue creado por Fisher Black.6. es decir emisión primaria. las opciones sobre las que se toma posición tienen un precio de ejercicio igual pero con vencimientos diferentes. Este tipo de estrategias requiere una inversión. o variar en un rango (variable continua). que en 1997 Robert Merton y Myron Scholes recibieron el premio Nóbel de Economía. por su aporte a las finanzas. es decir. en esta estrategia el inversor apuesta que habrá un movimiento amplio de los precios. 2000) 2. Valoracion de Prima (Precio) de la Opción: Modelo Black-Scholes-Merton El modelo Black Scholes Merton. Fisher Black infortunadamente falleció 2 años antes de que sus colegas fueran premiados. De esta forma la variable puede fluctuar en ciertos puntos (variable discreta). el cálculo que considera variables que tienen un comportamiento aleatorio o un proceso estocástico. Estrategias Calendario (Calendar spread) En este tipo de estrategia. (Hull.

tiene que seguir dos propiedades: • El cambio de δz durante un periodo pequeño de tiempo δt es: (1) (1) Donde Є es un valor aleatorio proveniente de la distribución normal estanda(2) rizada. El mercado opera continuamente con los precios de las acciones siguiendo un proceso continuo como el señalado por Itô. y la misma para cualquier madurez. Dado que los movimientos de los precios son aleatorios. el cambio que sufre una variable en el futuro se encuentra en función de la raíz cuadrada del número de periodos en un (3) año (√δt). Los Mercados son Eficientes: esta suposición sugiere. no cambia (BRADLEY. N(0. Es decir. Los retornos están distribuidos como una log-normal: los retornos de las acciones son normalmente distribuidas. para que la distribución aleatoria se comporte como una normal. Incluso los “traders” tienen que pagar honorarios. Una manera de ajustar el modelo para esta situación es sustraer el valor descontado de un dividendo del futuro del precio de la acción. De otra manera. El fundamento para que los precios varíen de una manera aleatoria esta indicado por dos variables: el rendimiento esperado y la volatilidad de los precios de un activo financiero. la tasa libre de riesgo es constante. µ = Rendimiento esperado del activo y σ = Volatilidad del precio de mercado Proceso wiener Para que una variable z siga un proceso Wiener. Los honorarios que un inversionista individual paga son más substanciales y pueden por lo general distorsionar el resultado del modelo. multiplicado por un valor aleatorio de la distribución normal estandarizada. Los movimientos de los precios deben pasar por un proceso Wiener. 2004). que las personas no pueden predecir de manera exacta la dirección del mercado o de una acción individual. (4) Gestión de riesGos financieros en el mercado de materia primas aGrícolas 131 (5) . para cualquier periodo futuro. que son usualmente pequeños. Los términos de ejercicio Europeo son usados: esto se debe a que muy pocas Calls son ejercidas en los primeros periodos de vida de la opción ya que se pierde el valor del tiempo restante sobre la Call y recoger el valor intrínseco hacia el final de la vida de la Call a pesar de que éste es el mismo durante la vigencia de la opción. Las comisiones no están asumidas: usualmente los participantes tienen que pagar una comisión para comprar o vender opciones.1). lo cual es razonable por la mayoría de activos que ofrece la opción.• • • • • para implementar el modelo debido a que altas producciones de dividendos. generan poca ganancia en las Call. el modelo se fundamenta en que los cambios de la variable en un periodo corto se distribuyen como una normal. donde. La tasa libre de riesgo es constante.

El segundo elemento de la función b dz. (5) (3) (6) (2) Definicion del modelo Black Scholes (1) (5) (1) El modelo se fundamenta en la ecuación (3). 2000)3 se obtienen las fórmulas (5) a (8). t es el tiempo. sin embargo. Derivando la función (Hull. µ es el Rendimiento esperado del activo. (2) (2) Donde a y b son constantes. (5) (6) (9) (5) (5) (8) (6) (6) (7) (10) (6) 132 3 Ver Hull 2000 Cáp. 12. de forma que la variabilidad es b veces el proceso Wiener. (7) (12) (7) (8) (10) (9) . (2) (7) (2) (4) (6) (4) (3) (3) Donde S es el valor de Activo subyacente. En el caso en que se omita el lado izquierdo de la suma (3) se puede tener que un cambio en x es explicado por incremento en el tiempo con la ex(1) presión at.• • Los valores de δz para dos intervalos de tiempo son independientes. Esta afirmación es una consecuencia de la primera propiedad en donde δz tiene una distribución normal con los siguientes parámetros: Media de Desviación estándar de Varianza de dZ = 0 dZ = dt dZ = dt Con estas propiedades se puede sostener que la incertidumbre sobre un activo financiero en cierto periodo del futuro es mesurado por la desviación estándar y se incrementa en la raíz cuadrada de dependiendo del periodo analizado (Hull. (3) (1) (4) Este modelo es conocido como el movimiento Browniano Geométrico. las variables son modifica(3) das. σ (4)la Volatilidad del es (5) (4) (7) precio de mercado y finalmente. el cual se propuso inicialmente para ac(8) ciones de tipo europea. (2) De acuerdo a Hull el proceso Wiener está definido como se define en la ecuación (3). 242 a 244. esta trayendo a colación el cambio (4) por la volatilidad. llegando a la ecuación (4). Pág. 2000) El proceso Weiner para una variable cualquiera puede ser definido como lo muestra (1) la ecuación (2).

De acuerdo con Nelson y Siegel. (7) El modelo Nelson – Siegel. (5) La tasa cero cupón para el modelo Black Scholes Merton. C P r X N = = = = = valor de la prima para una opción call europea valor de la prima para una opción put europea Tasa libre de riesgo. como lo menciona Michiel de Pooter “model is capable of capturing many of the typically observed shapes that the yield curve assumes over time” (Pooter. el modelo Nelsen – Siegel permite dar(6)tenla dencia de la curva cero cupón. (10) (12) Gestión de riesGos financieros en el mercado de materia primas aGrícolas 133 (11) . (9) (9) Donde. Sin embargo. se puede tomar como la tasa (11) libre de riesgo de mercado. Modelo Nelson – Siegel. Para el mercado de valores colombiano los valores de las variables de la ecuación de cero cupón son emitidos por el sistema de información para valoración de activos financieros INFOVAL. a. publicado en 1987. b. Pag 1). c y Tao son constantes.(5) Donde: (6) (7) (7) (8) (1) Donde. Precio del Ejercicio Distribución normal (8) (2) (3) (4) (9) (10) (12) Modelo de valoración tasa libre de riesgo. Parte del mercado bursátil lo ha acogido. busca modelar la curva cero cupón. la tasa libre de riesgo puede (8) ser definida como lo señala la ecuación (9).

Es la función de distribución de una normal estándar. ante este plan(10) teamiento modelar los precios forward es válido. El tiempo en años. So K r t N  (10) (11) = = = = = = El precio Forward actual del subyacente. por lo tanto. dado que. no tiene un comportamiento necesaria(6) mente aleatorio (CARCAMO y CAUSIL 2009). atendiendo a la dificultad que presentaba el mismo (8) para la aplicación en mercados de materias primas. (9) La fórmula del modelo básico se replantea como lo muestran las ecuaciones (10) y 4 (11) (CARCAMO y CAUSIL 2009) : (12) (10) (11) (12) Donde d1 y d2 están definidos como en las ecuaciones 7 y 8 respectivamente. entidades como Fedearroz han dispuesto al público una gran can4 Ver CARCAMO y CAUSIL. porque los primeros descuentan los eventos del mercado spot. Sin embargo. los precios forward se mantendrán o tendrán un comportamiento diferente porque se hacen efectivos después de la siembra o la cosecha. 3. Precio del Ejercicio. el modelo presenta una dificultad. libre de riesgo. por lo cual Fischer Black desarrollo una actualización al modelo básico. descrIpcIón del mercado de arroz en colombIa 3.(3) (4) Black-Scholes para materias primas (5) (6) (5) El modelo de Black-Scholes-Merton fue creado inicialmente para el mercado de acciones. para los mercados de materias primas. el cual tiene un comportamiento aleatorio. Volatilidad implícita del precio forward del subyacente.1. Pag 9 134 . este tipo de mercados cuenta con es(7) tacionalidades de cosecha y siembra. Sin embargo. Es decir. la solución que plantea Black se basa en “modelar los precios forward en vez de los precios spot” (CARCAMO y CAUSIL 2009). y sus conclusiones fueron publicadas en (7) “The pricing of Commodity Contracts”. (8) que cuando el precio spot del activo subyacente este subiendo por una escacez (Temporada de siembra). Comercialización de Arroz en Colombia La bibliografía acerca de la cadena de comercialización del mercado arrocero colombiano es limitada. Ante esta situación el modelo presentaba una inconsistencia para la aplicación en las materias primas. (11) la tasa de interés. compuesta continuamente. hasta la expiración del contrato. Black determino tomar los precios forward porque son aleatorios a diferencia de los (9) precios spot.

MEDIANO cuando su capacidad está entre 20. entendiéndose. cerca de 10. de acuerdo con FEDEARROZ. Sin embargo. y.800 productores. 3. ya que el sistema de producción secano. En esta medida para el primer semestre del 2008 se sembró el 62. a las formas de producción del país. 2. y por la cual se presentan variaciones en el precio. debido a que los cultivos de arroz requieren una alta concentración de agua. Esta tendencia de mayor siembra en la primera parte del año obedece de igual manera. 4. unos pocos documentos que describen la dinámica del mercado arrocero han concluido que en este mercado los vendedores de la materia prima tiene un número extenso de participantes que se enfrentan a un número reducido de compradores. dentro de la industria 65% son molinos pequeños y 11% son grandes. Productores de arroz paddy y Molinero Molineros con empaquetadores y centrales mayoristas Molineros con la industria de alimentos para animales Empaquetadores con mayoristas y minoristas. tiene dos cosechas en el año. “un molino es GRANDE cuando tiene una capacidad de recibo de más de 50. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 135 . que permite analizar y modelar el mismo y de este modo derivar patrones de comportamiento de cada uno de los participantes del sector. Los cultivos “pan coger” son aquellos cultivos que se no son comercializados.000 mayoristas y 40. pero no son utilizadas para manejo comercial sino para el pan coger. que obedecen específicamente a las épocas de lluvias que ocurren semestralmente. 113 molinos. que en Colombia son 113. En esa medida se pueden mencionar en cinco (5) relaciones fundamentales en el esquema de comercialización del mercado de arroz: 1.000 ton. por las cuales se duplica el área sembrada.” (FEDEARROZ. Minoristas y consumidor final De acuerdo con AGROCADENAS (2005). 2005).000 ton.982 hectáreas (FEDEARROZ. y Fedearroz (2008) las relaciones comerciales mencionadas.tidad de información estadística del mercado.000 comercializadores al detal. y el de secano manual que son algunas hectáreas que al igual que las de secano utilizan las lluvias como proveedor. PEQUEÑO cuando su capacidad es menor a 20. “el sistema de bajo riego que es cuando el cultivo tiene disponibilidad de agua permanente.000 y 50. 5. transfiere el producto a los molineros. La producción de arroz en Colombia. 2008). Por un lado. 2005). siendo su grado de mecanización muy bajo” (FEDEARROZ. dentro del mercado de arroz colombiano cuentan con cuatro actores principales: 22. Igualmente. Después que el productor ha recogido la cosecha. se abastece de agua proveniente de lluvia. hay tres maneras de cultivar arroz en Colombia según FEDEARROZ. sino que se destinan al abastecimiento familiar y el excedente para una pequeña comercialización.000 ton por año. esta área equivale a 275.3% del área destinada al cultivo de arroz en el territorio nacional. El grafico 1 muestra la estacionalidad mencionada. el sistema de secano es cuando se usan las lluvias como principal proveedor de agua. desde marzo hasta mayo se presenta un aumento en las lluvias.

Este “castigo” es ajustado de acuerdo a un porcentaje tomado con base en las cantidades. esto lo hace midiendo los parámetros de impureza y humedad. Es conveniente mencionar que el laboratorio es aportado por el molino se presenta una constante controversia entre productores y molineros. cuando el agricultor entregue un arroz que se encuentra en condiciones por encima de los mencionados. en esa medida. Por un lado. que usualmente es del molino. supermercados y tiendas) el arroz blanco y los subproductos a todo el país. 2) trillar. 2005). es decir. 3) pulir el arroz descascarado. el papel del laboratorio es fundamental para el molino. moler o descascarar el arroz paddy seco. De otra parte los industriales. Estacionalidad mensual en la Producción de Arroz Paddy verde en Colombia Los molinos en Colombia se encargan de: 1) secar el arroz paddy verde para convertirlo en arroz paddy seco. argumentan que su arroz no es evaluado de forma correcta. 2005). que no permiten relaciones sencillas de negociación. En esa medida. Bajo el análisis que realice el laboratorio se establecen los parámetros del precio que se va a pagar por la cosecha. argumentan que no pueden pagar un mayor precio por el arroz dado ciertas calidades. la relación productora y molinera tiene un difícil esquema de concertación de precios y calidades. que después es deducido del precio total acordado (FEDEARROZ. El precio que paga el molinero al productor por su cosecha depende de la estacionalidad y de la evaluación de un laboratorio. la estacionalidad hace referencia a la cantidad de arroz que se ofrece o esta en circulación en el mercado. se le impone una reducción al ingreso total del producto cuando la calidad sea menor. 4) empacar (en bultos o empaques plásticos) y distribuir (a centrales de abasto. GrafiCo 1.Fuente: FEDEARROZ. ya que el laboratorio. y. las épocas de escasez o abundancia del producto. que se generan antes de la entrega en el laboratorio. 136 . Por otro lado. y el arroz que entregan tiene una calidad diferente a la que aducen los molineros. se le aplica una reducción o “castigo”. siendo 13 % de humedad y 3% de impurezas los granos de mejor calidad para almacenamiento (FEDEARROZ. evalúa la calidad del arroz que llega al molino. es decir. ya que lo primeros.

puesto que estos últimos podrían pensar que el análisis puede estar viciado en dos circunstancias. “se procede con el acondicionamiento del mismo para que pueda llegar a ser almacenado por varios meses.co Gestión de riesGos financieros en el mercado de materia primas aGrícolas 137 . Los subproductos que regularmente se venden en la industria de alimentos balanceados. Al terminar el proceso de trillado. el objetivo del industrial es tener la mayor cantidad de arroz entero. hay una competencia tipo oligopsonio. debido a que son pocos molinos (113) en comparación a la cantidad de productores (22. pertenece a los molinos. pero la realidad es que varía dependiendo de la zona del país. el consumo per capita y los hábitos de compra. b. pues de este obtiene el mayor margen de ganancia.fedearroz.2. el productor puede alegar que el arroz llega a las bodegas del molino en condiciones especificas. por lo cual el precio pude ser alterado por los compradores (molino). que distribuyen el arroz para el consumidor final. hay una estacionalidad de que afecta el precio del mismo. La relación final en la comercialización esta dada entre molineros como oferentes y mayoristas y centrales de abastos como demandantes. 2005). lo cual crea desconfianza entre los productores. Se comienza con una fase de limpieza en el que se eliminan residuos sólidos que vienen con el arroz y aquellos granos sin llenar (arroz vano) de tal forma que se pase de un 5% a un 3% de impurezas. Como se puede apreciar en toda la comercialización del arroz. las cuales se alteraron por una manipulación irregular de la mercancía. Organización Mercado a Plazo 3. Es decir.1.Molineros A simple vista. está dada por el hecho que el laboratorio que se encarga de analizar la calidad del grano. por un lado. Sin embargo. si los productores presentan un producto de calidad homogénea. 3. Relación Productores. se podría decir que un instrumento financiero que permita establecer un precio futuro para el arroz blanco es aplicable entre la relación comercial de productores y molineros por una volatilidad del precio del arroz paddy verde. Puede parecer a simple vista un esquema sencillo. los compradores tienen la posibilidad de establecer un precio que eventualmente no cumple con las expectativas de los oferentes. Además el producto cuenta con una oscilación en el precio5. por lo que la comercialización de estos productos esta sujeta a la diferencia en tasas de cambio (se compite por precios). por lo tanto los resultados del labora5 Para mayor información consultar información histórica de precios del mercado del arroz en Colombia www. como la soya y otros importados. La problemática generada por la diferencia de proporciones entre cantidad de molinos y productores.2. De manera que.800 aproximadamente) que venden el producto. la aplicación del instrumento financiero se obstaculiza por: a.Una vez obtenido el arroz paddy por parte de los molineros. tienen competencia con productos sustitutos.com. El proceso de secamiento en las torres dura alrededor de unas 2 a 3 horas” (FEDEARROZ. La problemática relación entre molineros y productores a la hora de implementar un instrumento financiero. bajo un análisis detallado.

los industriales alegan que el producto no sufrió manipulaciones o alteraciones dentro del molino. el intercambio sufre una variación en comparación con la relación entre productores e industriales. hay incertidumbre en términos de precio y por consiguiente una volatilidad del mismo. en este paso se dan los requisitos necesarios para instaurar un futuro. De otro lado. 4. y no por las partes como sucede entre arroceros e industriales en Colombia. 3. ValoracIón de opcIones europeas para el mercado del arroz blanco en colombIa La presente propuesta contempla la implementación de un instrumento financiero (opción europea) en el mercado de arroz blanco. Este hecho se evidencia por la falta de una infraestructura que ofrezca el servicio de secamiento y almacenamiento al productor de modo que el arroz se haga no perecedero (arroz paddy seco).2 Relación Molineros . el eslabón final.2. Sin embargo. porque los contratos de este tipo estipulan unas condiciones de calidad de un producto no perecedero generalmente. por lo que el productor está obligado a vender su producto al molino en el menor tiempo posible (antes de 24 horas después de la hora de corte o cosecha) para evitar la pérdida o descomposición de producto. han propiciado entre productores e industriales una relación comercial irregular. Igualmente. puesto que hay una competencia de oligopolio (113 molinos y 10. En la cadena comercial del arroz. y que la calidad de los granos recibidos en el laboratorio no es óptima. El arroz paddy verde es un producto perecedero. bajo la cual no se puede especificar un contrato de futuros. por lo cual. se hace necesario 138 . de tener una volatilidad en los precios del activo (GUTIERREZ. esto además. Estas circunstancias. En esta etapa de la comercialización. el de distribución del grano para consumo humano tiene las condiciones adecuadas para establecer un mercado a plazo entre molineros como oferentes y mayoristas como demandantes. 2004). c.torio presentan una calidad inferior a la de la cosecha entregada. lo cual determina un precio fijo para calcular los costos (el precio no depende de estudios o evaluaciones de calidad). para que este tipo de instrumentos financieros sea aplicable al mercado del arroz paddy. no suena muy distante ya que se da el ambiente comercial óptimo.000 mayoristas). porque se tiene una oferta y demanda inciertas en el tiempo. una atomización de la oferta y un gran mercado disponible en términos operacionales. un instrumento financiero. Esto se debe a la ausencia de un ente que regule el precio. que son evaluadas por un tercero (Cámara de compensación). Esto se debe a que el producto terminado es homogéneo.Mayoristas En esta etapa. lo que genera mayor confiabilidad entre las partes y transparencia en las transacciones. no se presenta una relación de continua polémica por la fijación del precio. Por otro lado.

etc. Makro y Gran trigal. porque los molinos no están cerca de todos los cascos urbanos. los cuales se les indago sobre dos variables. Teniendo en cuenta este aspecto. o la tasa de interés para el Black Scholes es el modelo Nelson -Siegel. es decir si las opciones se liquidan de forma mensual. 2. los hogares colombianos suplen su demanda de alimentos en el momento en que perciben su ingreso. es necesario precisar de qué forma se va a valorar el precio de la prima. forma de entrega de arroz. el mayorista tiene en mente que sus ventas tendrán un mayor movimiento los últimos días del mes. o precio de la opción. para responder al movimiento de inventarios más intenso. lo que significa que se pueden ejecutar una vez al mes. La teoría menciona los aspectos fundamentales de la opción. Se establece esta fecha. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 139 . Una vez contemplado lo anterior. con estas variables se pude obtener el precio de la prima. 6 Este estudio se elabora con un sondeo telefónico a los siguientes supermercados: Ley. A continuación se describen las condiciones propuestas para la opción: • Nodos Los nodos son el número de periodos en el año en los que se ejecuta una opción. los términos mínimos de calidad. puesto que regularmente los salarios se pagan los últimos días de cada mes. el mayorista tendrá para los últimos días del mes los inventarios de arroz apropiados. En la práctica. los días del mes en que se considera apropiado para cumplir el contrato. la lógica financiera de la valoración de las partes de una opción. la mercancía no llegara a las bodegas del mayorista o del supermercado ese mismo día. es necesario acudir a modelos matemáticos para valorar el precio de la opción. el modelo de valoración de mayor acogida es el modelo Black Scholes Merton. con base en los hábitos regulares de los supermercados para abastecer sus inventarios de arroz6. y el modelo para calcular la curva cero cupón. Este documento ha desarrollado una aplicación matemática para valorar opciones para el mercado del arroz colombiano. se determina que las opciones tienen 12 nodos al año. Cantidad. y establecer las clausulas mínimas del contrato. Por esta circunstancia. las cantidades. • Fecha de ejecución de la Opción La fecha determinada para la ejecución de opciones es el día 22 de cada mes. Para ello es necesario establecer: la volatilidad de los precios del bien. respecto a la manera de valorar las primas. bimestral. Con que regularidad compran arroz. Si el mayorista adquiere una opción y decide ejecutarla el día 22. Sin embargo. se debe tener en cuenta el tiempo que se demora en cargar. En el caso particular de las opciones de arroz propuestas. transportar y descargar el arroz hasta las bodegas del comprador de la opción. Carulla. Este día fue elegido debido a que el consumo regular de los hogares colombianos se desarrolla a finales de cada mes. 1. por lo tanto debe tener unos inventarios suficientes para suplir su demanda. fueron elegidos estos supermercados porque representan sitios grandes de abastecimiento a los que les puede interesar adquirir una opción.que se solucione la problemática relacionada con la deficiencia de infraestructura de secamiento de arroz paddy verde y almacenamiento de arroz paddy seco. es decir. explica el porque una opción es costosa. inflación. Por lo que se evidenció que los supermercados suelen abastecer de forma mensual sus bodegas. En este sentido.

la aplicación de opciones o mercado a plazo es indiferente. Por lo tanto esta base de datos no existe en el mercado. las especificaciones de calidad e inocuidad se especifican en la cláusula segunda de la norma técnica NTC671 vigente. • Tamaño del Contrato Se define que una cantidad mínima para hacer un contrato de arroz es una carga de 35 Ton. desde la prime7 Se toman precios semanales porque FEDEARROZ. porque de acuerdo a información de molinos. Para ello. ó 3 Kg. para arroz blanco. es necesario contar con una volatilidad diaria. en esa medida. no cuenta con datos diarios. mayoristas y supermercados. • Características del Producto Descripción del tipo de arroz y la forma como el molino lo entrega al comercio: Presentación (empaque de poliacetilineo en presentación de 5 Kg. rotulación del empaque. 140 . se utiliza una base de datos de FEDEARROZ. la mercancía es entregada en las instalaciones de un molino que se le indique en el contrato. con los precios semanales7 de arroz blanco en Colombia. ó 10% partido). ya que los participantes de un mercado no consideran los movimientos bruscos de precio como algo probable o perjudicial. la ley colombiana establece que no se puede transportar por carreteras cargas superiores a 35 toneladas. marca del producto. Bajo estos parámetros se debe esperar que la volatilidad sea mayor que la inflación como mínimo. En principio. estas especificaciones de calidad pueden estandarizarse previamente en el mercado organizado para que permanezcan invariables y sean el punto de referencia para todas las operaciones del mercado. es un buen indicador de riesgo. etc. es una pieza fundamental para hacer una valoración de un activo en una opción. cuando se estipule que el molinero entrega el arroz en el domicilio del mayorista debe especificarse con anticipación. Por el contrario. en ese sentido la carga mínima que se suele pedir por parte de los comerciantes es la carga de una tractomula. es que el comprador recoge los bultos de arroz que necesita. Sin embargo. grado de blancura. ó 5% partido. información al consumidor en el empaque). en la medida que muestra que tanta variación tiene un activo. tipo de arroz (100% entero. Para el caso particular de la valoración de la prima para la opción de arroz blanco.• Forma de entrega La costumbre entre los molineros y mayoristas. y si el precio no varía lo suficiente como para que los actores del mercado sientan incertidumbre. Las opciones son instrumentos que mitigan el riesgo de variaciones en el precio. usualmente se abastecen de arroz en 50Ton aproximadamente. Por ello. • Volatilidad La volatilidad hace referencia a las oscilaciones o variaciones que sufre un activo financiero con respecto a su precio promedio. Sin embargo. en este sentido. dado que si un activo no es suficientemente volátil o riesgoso no es rentable vender opciones.

es decir.111. de manera que. analizar los precios del año 2007 no es un desacierto.547% 0.633.634.77 1. de no ser así. debido a que para calcular la volatilidad de una opción. Por ejemplo. Dado (8) que la base de datos tiene datos semanales. que pueden aplicarse a la realidad.010% 0.001% 0. En ese sentido. (11) asumiendo que el último día tiene mayor peso en la función.110. en la práctica se toman las volatilidades de los 15 días ante-(9) riores para valorar el precio de la opción.634.00 Día Semana 1 2 3 4 5 6 7 Modelación de los Precios Diaria 989.632.634. es pertinente modelar los datos con una función de probabilidad.511.111.111. para una opción que se ejercerá en 15 días.20 1.099. Con la variación de los precios.111.78 1.72 1.406.111.634.(7) ra semana de noviembre de 1998 hasta la última semana de diciembre de 2007.111. La función de probabilidad permite encontrar una volatilidad diferente cada día. se puede verificar la función anteriormente descrita. puesto que se tendría que 7 días de la semana tienen la misma volatilidad. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 141 . porque el 2006 presenta el mismo comportamiento de los precios que los años anteriores. S es el precio del activo subyacente. es posible tomar la muestra desde 2006 hasta el 31 de diciembre de 2007 y calcular la volatilidad o la desviación estándar de la variación de los precios. si (10) se hace de ese modo las volatilidades quedan imprecisas.099% 0.634. para que los resultados sean precisos. los siete días de la semana se enumeran desde el lunes como 1 hasta el domingo que equivale al día siete.111. sin embargo. por ello.621.000% Fuente: Construcción propia.00 1.000% 10.996% 0.354.111.00 1.03 1. La desviación estándar solo se analiza desde el último año. es un desacierto teórico.00 1. asumir que todos los días de la semana tendrán la misma volatilidad de semana a semana. la volatilidad se debe tomar en datos diarios. Modelación semanal a diaria de los precios de la tonelada de arroz blanco Fecha 02/01/2006 03/01/2006 04/01/2006 05/01/2006 06/01/2006 07/01/2006 08/01/2006 Precios Semanal 1.88 Variación Log(t/t-1) 0. la aplicación de una modelación resultaría infructuoso. se elabora con fines teóricos.26 1. La modelación de los precios. que permita encontrar los precios diarios diferentes para cada día.111.00 1. con los días enumerados.111.634. es necesario desarrollar bases de datos diarias de los precios para darle mayor precisión a la volatilidad. la función de probabilidad dejara al día siete con el precio que publica fedearroz para la semana estudiada. Cuadro 5.634. En otras palabras. que los precios tienen un comportamiento cíclico y regular todos los años.111. Función de Probabilidad: (12) (12) Gamma () puede tomar cualquier valor porque la sumatoria de las probabilidades siempre dará como resultado 1. los precios están cointegrados. y práctico. Por otro lado. En el cuadro 5.00 1.00 1. en el sentido que el comportamiento de años anteriores a 2007 muestra un comportamiento similar con los años sucesivos.411.

Esta volatilidad sirve para evaluar si la prima esta acorde con la volatilidad del mercado. se calcula el promedio para cada mes. que se valoran con el modelo Black-Scholes y los precios del mercado. En el caso particular del modelo se supone que el precio futuro es calculado con base en los precio del pasado. Precio de Ejercicio o Strike: El precio del ejercicio es el precio promedio mensual de los últimos doce meses por la cantidad de toneladas que especifique la opción. en la práctica este valor no es calculado con base en el precio de los meses anteriores. es decir el precio de ejercicio lo define la oferta y la demanda futura. querrá vender opciones” (PALAZZO. se puede mencionar la existencia de Forward para arroz con cáscara. Igualmente. esta prima no se puede calcular.1. por el precio por tonelada en el momento de firmar la negociación (numero de toneladas multiplicado por el precio spot del día en el que se compre la opción). Volatilidad Implícita La volatilidad implícita es aquella “que nos dé un precio teórico igual al precio de la opción en el mercado” (PALAZZO. son: • El Precio Promedio de la Tonelada de Arroz Blanco: Este valor es producto de tomar los precios promedio mensuales de arroz elaborado desde enero de 1995 hasta diciembre de 2007. Sin embargo. Precio Subyacente: Es el resultado de multiplicar el numero de toneladas (no puede ser menor a 35 Ton). por lo cual se deflactaron (se trajeron a valor constante con las inflaciones de cada año). como volatilidad implícita de referencia para las opciones.2. Estimacion de Volatilidad con Datos Historicos Teniendo en cuenta que los precios están cointegrados. 2001) Para el caso particular de las opciones para arroz. en tanto que ayuda a establecer si es una buena o mala decisión comprar o vender opciones. este procedimiento se elabora con el fin de quitar el efecto de la inflación sobre los precios. un operador preferirá comprar opciones. si es alta. Valoracion de la Prima La prima de la opción se valoro con base en el modelo Black Scholes Merton. por lo cual confirma. • • 142 . Estos datos son emitidos por FEDEARROZ a precios de mercado. Con los precios mensuales en valor constante. Por lo anterior. Los datos que se requieren para aplicar el modelo. 2001). 4. sino por acuerdo de quien adquiere o vende los derivados financieros. de manera que “si la volatilidad implícita es baja con respecto a la volatilidad futura esperada. es decir.04% este valor es bastante alto. con ayuda de la herramienta de Excel. por facilidades de cálculo. pero esta aseveración es errónea en el sentido que la volatilidad de los Forwards es diferente a la de las opciones. para hacer la valoración de la prima.4. no se puede comparar los precios teóricos. El cálculo de la desviación de los precios resulto en una volatilidad semanal de 1. como una herramienta de cobertura. debido a que en el mercado no se han implementado opciones. al menos en términos matemáticos. tomar la muestra del año 2007 para hallar la volatilidad es suficiente. que el mercado de arroz elaborado justifica la adopción de un mercado a plazo. aquella volatilidad que hace que la prima teórica o la que aparece en el contrato y la prima del mercado sean iguales.

302.331.735. Características de la Opción para Arroz Blanco en Colombia.Cuadro 6.22 Es resultado del cálculo de la función Black Scholes con una tasa de interés calculada con base en el modelo Nelson Siegel.37 $ 1. es decir.337.00 Ejecutando el modelo con los datos del cuadro 7.25 $ 1. Este valor tiene incluido los costos operativos y administrativos que genera la manutención del contrato.911.350. Resultados Obtenidos con el Modelo Cuadro 7. están descritas en el cuadro 8.253. noviembre y diciembre del mismo año.80 $ 1.735.062.07 Marzo .29 $ 1. Precio Promedio Últimos 11 anos $ 1.310. se encuentra que las primas valoradas el 1 de Agosto de 2007.302.351.719.08 Fuente: Construcción propia.07 Mayo .611.07 Enero .448.795. Precio promedio arroz desde 1995 hasta 2008.07 Noviembre .07 Septiembre .324. dentro del cálculo de la tasa libre de riesgo. APLICACIÓN Arroz Blanco NTC671 22-mes-año 35 Ton $ 1. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 143 .07 Octubre .93 $ 1. Mes Febrero .07 Junio .07 Agosto . para una opción de 35 ton (el contrato más pequeño posible).343.07 Julio . 4.024.303.06 $ 1.328.303. para Put y Call que ejercerían en septiembre.97 $ 1.604.07 Diciembre . que dentro de la tasa libre de riesgo se incluyen los riesgos del emisor.99 $ 1.357.301. octubre.54 $ 1.795.99 $ 1.3.933.300. si se asume que el precio de la tonelada de arroz para el día en que se adquiere el contrato es de $1.857. VARIABLE Producto Estandarización Nodo Tamaño del Contrato Precio Strike (promedio mes de vencimiento) Precio Spot Fuente: Construcción propia.40 $ 1.00 $ 1.324.07 Abril .

El cuadro 8.887. estimar el valor de las primas con las volatilidades históricas mensuales de los precios del precio del arroz blanco en Colombia. las volatilidades resultantes fueron: Sep = 6. con una clara ausencia de un mercado forward. Valores de las primas teórica para opciones Call y Put Mes Septiembre Octubre Noviembre Diciembre Fuente: Construcción propia. resume los valores teóricos de las primas para una opción Call y Put.005. los valores de las primas son coherentes con el tamaño del contrato asegurado (35 toneladas). 038%.867 $45.704 $4.092 $835.02814. b. el valor de la prima para un mismo mes es mayor para la opción Call que para la opción Put debido a que los últimos tres meses del año corresponden a la época de cosecha del producto. Precio de ejercicio $46. El mercado de arroz en Colombia se caracteriza por la fijación de precios en el mercado spot.887. Tao =2. Dic = 6.500. c.073 Put $734. 05%.062.268.235 por medio de una opción PUT solo cuesta $1. asegurar un precio de $47. Oct = 6.118. Para ello. b =-1.221 $1. por efecto de la estacionalidad.801 (solo $28. bien sea por la vía de la simulación estadística o por métodos de correlación del mercado colombianos con mercados internacionales que cuenten con formación de precios futuros. se debería hacer con precios forward como lo señala Carcamo y Causil. Dichas volatilidades se obtienen con los precios modelados como se muestra en el cuadro 5. Para ello. por un lado. como el mercado de Estados Unidos.091774 Ahora. Igualmente.776 y para diciembre $4.81064. Dichas constantes son publicadas por INFOVAL para 01 agosto 2007 y toman los siguientes valores: a= 9.005.613. 41%.801 Los resultados muestran que. El lector observará como el valor de la prima va creciendo en la medida que se contemplan plazas de ejecución más largos.12% del valor total de la tonelada. se debe reemplazar la tasa libre de riesgo en las formulas (7) y (8) para obtener los valores de las constantes d1d2 y d2 y finalmente.737 por tonelada). Cuadro 8. y T en la fórmula (9). es posible obtener la tasa libre de riesgo del modelo de Nelson-Siegel.268.349 $680. Por otro lado.005. Sin embargo.235 Call $1. para desarrollar un mercado de opciones se haría necesaria la estimación de precios futuros. c=2.073. La modelación adecuada para materias primas agrícolas que se enfrentan a estacionalidades de la cosecha del producto. 046%.569 $45.842 $47. el valor de la prima para una opción Put para el mes de septiembre es de $734. ya que por ejemplo. el valor de la prima para una opción Call para el mes de septiembre en $1.411058.349 y para Diciembre $1.490.801. ya que éstos precios descuentan la estacionalidad de la producción de los meses de agosto a octubre principalmente. De acuerdo con la teoría de las opciones. equivalente a solo un 2. Nov = 6. para el ejerci- 144 . el lector estará interesado en conocer el valor de la prima para las opciones Call y Put señaladas en las formulas (5) y (6) respectivamente.678. Por este motivo.118.955 $3.776 $3.Reemplazando las constantes a.

en donde las personas invierten con contratos que no representen alto riesgo. en tanto que. En el caso Colombiano. También cabe mencionar que en el caso colombiano.5. debido a dos factores: • • La ausencia de instrumentos de especulación como las opciones y futuros. tiene como objetivo fundamental ofrecer protección o cobertura para los participantes directos del mercado. que están guardadas en bodegas en los almacenes generales de depósito. debido a que un poco mas de las mitad de las operaciones realizadas en la bolsa se realizan sobre arroz8.co. Esta oportunidad de negocio se 8 Para mayor información visitar www. no se presenta un mercado a plazo para los productos agropecuarios. también genera una oportunidad de negocio para personas que no estén directamente relacionadas con el mercado de arroz. el mercado colombiano tiene la ventaja de contar con una Cámara de Compensación con 12 años de antigüedad y credibilidad. no tiene un desarrollo evolucionado como el de las bolsas de Commodities mas importantes del mundo. 4. porcícola a término (CPT) y ganadero a término (CGT). la que creó una Cámara de Compensación en 1997. se recomienda que en próximas estimaciones se incorporen dichas expectativas sobre el comportamiento de los precios.4. 2007). en otras palabras. Nueva York y Hong Kong. De igual forma.bna. Para mejores aproximaciones a los valores empíricos (en vez de teóricos). Condiciones del Mercado de Comodities en Colombia El mercado de commodities en Colombia es administrado por la Bolsa Nacional Agropecuaria (BNA). Sin embargo. no existen opciones para el mercado del arroz. 135 para porcinos y plazos máximos de 300 días para ganado” (DINERO. se debe reconocer que la implementación de este tipo de instrumentos. Operaciones de Reinversion La implementación de un mercado de opciones para el sector arrocero.com. cabe resaltar que el mercado del arroz tiene altos volúmenes de operaciones que le dan ventajas para desarrollar este tipo de mecanismos. Los pecuarios tienen plazos estandarizados de 90 días para pollos. hay una cultura adversa al riesgo A pesar de no existir opciones ni futuros para productos agrícolas dentro de la Bolsa. que es financiada por el Fondo Nacional de Garantías (FINAGRO) y tiene una responsabilidad sobre por el 100% del capital e intereses invertidos.cio aquí desarrollado se tomaron los precios spot que reflejan las condiciones del mercado spot. 4. Gestión de riesGos financieros en el mercado de materia primas aGrícolas 145 . como los que existen en Chicago. la Cámara de Compensación. de las primas de las opciones. Los CDM corresponden a existencias físicas de granos y cereales como arroz y café. de acuerdo con las necesidades del agricultor y la durabilidad del producto. tales como: Chicago. La Bolsa ha desarrollado un mercado que se ha mostrado como un medio de inversión de renta fija. La Cámara de Compensación “ofrece los certificados de depósito de mercancías (CDM) para productos agrícolas y los contratos avícola a término (CAT). y son títulos con diferentes plazos de vencimiento.

genera a través de la comercialización de contratos, que no buscan el intercambio directo de arroz, sino el aprovechamiento de las variaciones en el precio de las primas. Para ello, se negocian opciones con las estrategias de cobertura que son ampliamente conocidas: Mariposas, Conos, Osos, Toro, Cóndor, etc. El mercado de opciones para arroz también se puede prestar para este tipo de negociaciones, que se pueden llamar roll – over o reinversión de contratos. Dado que los contratos diseñados para el mercado de arroz, se liquidan de manera mensual, estos tienen la posibilidad de venderse o comprarse en cualquier momento antes de su liquidación.

4.6. Ventajas de la Implementación del Modelo
Las ventajas de adquirir opciones pueden ser percibidas por todos los participantes del mercado arrocero, es decir, productores, industriales y mayoristas. Comenzando por los productores, por un lado ellos se pueden ver beneficiados de comprar la opción de vender a un precio fijo en las épocas en las que se presenta una sobre oferta de arroz verde, esta dinámica usualmente se presenta en los meses de agosto y octubre, cuando se recoge la cosecha de los meses que presentaron mayor lluvia en el año, en ese sentido a pesar que el precio baje por una abundancia de arroz, el precio puede ser conocido y descontado con anterioridad. Por otro lado cuando el precio tiende a la baja, es decir, cuando los productores todavía no cuentan con una cosecha lista para la comercialización, se presenta una escasez en la oferta de arroz verde, por lo tanto el precio sube. En ese sentido, el productor puede encontrar precios que cumplen sus expectativas y, en ese escenario el productor tiene la posibilidad de no ejecutar la opción. Esto le ayuda al productor en tres sentidos, primero, el productor tiene la oportunidad de saber a cuánto va a recibir por su cosecha en el futuro y puede planear su presupuesto, en segundo lugar el productor puede aprovechar precios mas favorables para el en el mercado, en tercer lugar tiene la confianza de una bolsa que respalda el contrato. Por el lado de los industriales los beneficios de adquirir opciones, se ven reflejados a la hora de comprar materia prima y a la hora de vender arroz, ya que el molinero puede comprar opciones de comprar al productor en el futuro a un precio fijado. Esto le brinda dos grandes ventajas, en primer lugar, el molinero contara con el inventario que necesita para suplir los pedidos de sus clientes con meses de anterioridad. En segundo lugar, Tiene bases mas sólidas para saber cuales serán sus costos (precio de la materia prima) para planear sus estados financieros. Ahora, los industriales también pueden adquirir opciones de vender en el futuro arroz procesado a los mayoristas, en esta medida, la ventaja de adquirir opciones de venta le permite estimar cuales serán sus ingresos en el futuro. Los mayoristas y grandes supermercados, también se ven beneficiados de las opciones, porque tienen la oportunidad de conocer los precios que se están acordando para fechas futuras. En esa medida, permite planear sus costos para cumplir con los pedidos de arroz. Además, le da la posibilidad de contar con el inventario de arroz procesado para todos los meses. Particularmente en las épocas de escasez de arroz el mayorista tendrá la oportunidad de anticiparse a esta circunstancia y comprar las opciones a un precio razonable, y no tener como única oferta el precio que puede darle el industrial.

146

5. conclusIones y recomendacIones
El mercado colombiano abarca la mayoría de las características que demanda un mercado de futuros: • • • Oferta y demanda inciertas en el tiempo. Un gran mercado Disponible en términos de Operaciones Regulación y presencia de bolsas en el mercado.

Las dificultades en la aplicación de un mercado de futuros radica principalmente en que los participantes de este mercado, no han tomado conciencia sobre la importancia de aplicar los mecanismos para cobertura de riesgos, esto se debe a varios factores: • Dado que la estructura del mercado de arroz colombiano posee imperfecciones de competencia, como Oligopsonio en el primer eslabón y en el segundo eslabón es oligopolio, la implementación de las opciones permite que el precio futuro de las opciones este influenciado por más actores; es decir, que el precio futuro va a ser transparente. Finalmente, el precio del día va a tender a ser el precio futuro como lo plantea Hull. El mercado del arroz esta protegido, lo que hace pensar a los participantes que no se verán afectados por las volatilidades permanentes, sino por volatilidades estacionales. En ese sentido los participantes del mercado actúan con determinismo y resignación frente a lo que pueda pasar en el futuro con los precios, principalmente por la estacionalidad. La carencia de conocimiento y accesibilidad de los productores hacia las instituciones reguladoras del mercado a plazo, tales como bolsas y comisionistas genera dificultades para el establecimiento de mecanismos para cobertura del precio, pues estos contratos de futuros están sujetos a las instituciones, en el ámbito de certificación y otorgar licencias. Además se encargan de velar por el funcionamiento normal de los contratos. Se presenta una ausencia de información de precios y bases de datos diarias para las cotizaciones de arroz paddy verde, arroz elaborado y subproductos del arroz, por lo cual se obstaculiza la implementación de volatilidades ajustadas para valorar derivados financieros Los derivados financieros, como las opciones pueden ser aplicadas para el primer eslabón de la cadena comercial, a través de contratos que permitan la cláusula de calidades abiertas o flexibles, siempre y cuando el producto sea no perecedero (arroz paddy seco). En este sentido, el mayor beneficiado seria el productor pues es quien tiene menor protección frente a los cambios de precios en este momento. Los derivados también se pueden aplicar a subproductos del arroz en la medida que se presente una evolución en la titularización de toda la cadena productiva. La presencia de mecanismos de derivados financieros puede hacer el mercado más abierto a nuevos actores (incluidos los financieros) ya que a través de la publicación de los precios por parte de la bolsa, los nuevos agentes pueden entrar a tranzar con arroz y afectar el precio.

• •

Gestión de riesGos financieros en el mercado de materia primas aGrícolas

147

La creación de un mercado a futuros permite una formación de precios transparentes y a la vez, competitivos. Por otro lado, también ayudan a mitigar la volatilidad de los precios. Al estar inscritas en la BNA permiten que todas las transacciones que se realicen, sean de conocimiento público, lo que genera mayor igualdad en las oportunidades para los participantes del mercado arrocero. Los contratos a futuros, estimulan la estandarización del producto, lo que facilita las transacciones comerciales entre las partes, ya que los contratos incluyen las especificaciones del arroz que se va a transar. La estandarización del producto y la publicación de precios del mercado por parte de la BNA puede, eventualmente, favorecer la negociación del producto en el exterior, aumentando la competitividad del arroz en los mercados externos.

5.1 Recomendaciones
Para integrar a las partes dentro de un mercado a futuros es necesario crear un sistema que los estimule a invertir, para esto unas posibles pautas que se pueden aplicar son: • • • • Desarrollar una estructura de bajos costos de transacción, que son una de las principales razones por las cuales los sistemas regulados pierden importancia Evitar re-procesos y trámites ineficaces para desarrollar las transacciones necesarias en la bolsa. Flexibilizar los métodos de cobro, es decir, que los cobros sean claros y adaptables para quienes adquieran derivados financieros. Para la implementación de un mercado de derivados organizado es necesario desarrollar una socialización, de forma tal que los productores, industriales y mayoristas, estén enterados de los medios para utilizar un derivado, y las ventajas que estos les proporcionan. En ese sentido, para el desarrollo de un mercado a plazo exitoso es necesario acudir a campañas de capacitación e información sobre los mercados a plazo. Esto implica, hacer campañas para formar conciencia del uso de coberturas frente al precio y competencia internacional. Es indispensable iniciar el desarrollo de bases de datos actualizadas diariamente con la información del precio del arroz verde, elaborado y subproductos, para que los títulos reflejen los cambios en los precios.

148

biblioGrafía Referencias Textuales: García Edwin.eumed. Quinta Edición.org. (2003). “Comercialización del arroz en Colombia”.ar/economia/balanzadepagos/argentina/commodities. (2004). “The Black and Scholes Model”. Edición 269 (19 enero de 2007) http://www. Zbiniew (2000).104/ search?q=cache:s6nScLZNCcEJ:www. Econlink “Diccionario” en http://www. Colombia.169. Revista Dinero No. rentabilidad y riesgo? http:// www. Romina (2001).uy/data/documentos/170000. Barbeito (2007). “Mercado de Divisas” http://72.eumed.233. http://bradley.edu. (2007). Capítulos: 1. Pérez.econlink.com.tinbergen.asp?codigo=001005026 La cobertura de los riesgos (“Hedging”). Catalina (“Valoracion de opciones para el mercado agropecuario colombiano. 11 y 12. Mike “Mercados y transacciones OTC (Over The Counter)” Finanzas. tomado de http://64.cbot.sht ml consultado en 13 de abril de 2007 Gutiérrez. Hull John C. Michiel “Examining the Nelson-Siegel Class of Term Structure Models”..pdf De Pooter. Tomado de: http:// www.co/NR/rdonlyres/A4018801-83C5-4ED0-84B3-4FEB54A200FA/0/trabajofinalcarcamocausil.14. futures and other derivates”.doc ¿Cuáles son las características de los instrumentos del mercado a futuro desde el punto de vista de liquidez. Gonzalo (2004) “Mercados de Futuros y Opciones ¿Una Alternativa Posible para Uruguay?” http://www.com/faqs/Faqs2. Tomado de http://www.asp?area=futures#Hedging. Roberto (2005) “Algunas ventajas del uso de derivados financieros” en http://www.net/cursecon/cursos/mmff/ ventajas.269 del 14/ Feb/2007. 2.co/wf_InfoArticulo. com/pub/es/pub.enetspeculation. Ulises y Causil. “Finanzas internacionales.dinero.htm. Roa John & Guzmán Andrés (2005). “Commodities. Referencias Digitales: Lavin.209.bradley. Fedearroz – División de Investigaciones Económicas.104/search?q=cache:A5PJfEnFmlEJ:www. Tinbergen Institute.dinero.net/cursecon/ppp/ jpb-divisas%2520. jun 2007 Cap 1.bolsadesantiago.html Palazzo.com. Colombia”.com/noticias/novato. www. Pretince Hall. Kozikowsky Z. http://www. aspx?IdArt=30515 Carcamo C. com. Inversión con garantía”.bcr. MacGraw-Hill.pdf&hl=es&ct=clnk&cd=1&gl=co “Commodities.pdf DINERO.ar/pagcentrales/publicaciones/images/pdf/TRABVolatilidad.nl/discussionpapers/07043. el modelo Heston-Nandi como alternativa”. Tomado de http://www. “Option.iica.finanzas.asp?id=8118941) Gómez. pdf+volatilidad+implicita+. edu/~arr/bsm/pg04a.com/edicion-impresa/ caratula/commodities-inversion-garantia_30515.ppt+arbitradores+mercados+a+futuro&hl=es& ct=clnk&cd=2&gl=co Chicago Board of Trade.eafit. Inversión con garantía.com Bradley.aspx Gestión de riesGos financieros en el mercado de materia primas aGrícolas 149 . com http://www. “Análisis de la volatilidad implícita”.

produmedios. DC.Terminó de imprimirse en Noviembre de 2009 en Tel: 2885338 Bogotá. Colombia www.org .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->